目標檢測入門系列手冊五：YOLO訓練教程

，學習全套目標檢測演算法&模型

YOLO

由於在R-CNN 的系列演算法中都需要首先獲取大量proposal，但proposal 之間有很大的重疊，會帶來很多重複的工作。YOLO[5] 一改基於proposal 的預測思路，將輸入圖片劃分成SxS 個小格子，在每個小格子中做預測，最終將結果合併，如圖2-14 所示。

接下來我們看一下YOLO 學習的關鍵步驟：

（1）YOLO 對於網路輸入圖片的尺寸有要求，首先需要將圖片縮放到指定尺寸（448x448），再將圖片劃分成SxS 的小格。

（2）每個小格里面做這幾個預測：該小格是否包含物體、包含物體對應的矩形框位置以及該小格對應C 個類別的分數是多少。因此，每個小格需要預測的的維度為B x（1+4）+ C，其中B 代表每個小格最多可能交疊物體的個數，1 為該小格是否包含物體的置信度，4 用來預測矩形框，C 表示任務中所有可能的類別個數（不包含背景）。因此，YOLO 網路最終特徵層的大小為 S x S x（ Bx5 + C），圖 2-14 中特徵層大小即為 7 x 7 x ( 2 x 5 + 20)=7x7x30（Pascal VOC2012 目標檢測資料集共有20 種類別）。

圖2-14　基於Pascal VOC2012 目標檢測資料集的YOLO 示意圖

由於YOLO 直接將輸入圖片劃分為SxS 個小格，不需要產生proposal 的過程，所以速度比Faster R-CNN 快很多，但是因為粒度較粗，所以精度相比Faster R-CNN 略遜一籌。YOLO 的主要貢獻是為目標檢測提供了另一種思路，並使實時目標檢測成為可能。近幾年，YOLOv2 和YOLOv3 接連推出，感興趣的讀者可以參考附錄的6。

文章來源：阿里雲-機器智慧技術