《深度学习》—— YOLOv1

YOLO简介

---

---

YOLOv1简介

YOLOv1（You Only Look Once version 1）是一种用于目标检测的开创性实时算法，由 Joseph Redmon 等人在 2016 年提出。它将目标检测任务视为一个单一的回归问题，直接在图像上预测边界框和类别概率，从而实现了快速的目标检测。

核心思想

传统的目标检测方法通常将检测任务分解为多个步骤，如先进行区域建议，再对每个建议区域进行分类和定位。而 YOLOv1 则是 “端到端” 的方法，它将整个图像作为输入，通过一个卷积神经网络（CNN）直接预测出图像中所有目标的边界框及其类别。

网络结构

YOLOv1 的网络结构基于 GoogLeNet，主要由 24 个卷积层和 2 个全连接层组成。具体来说，网络首先使用卷积层提取图像的特征，然后通过全连接层将特征映射转换为最终的检测结果。

---

评价指标

非极大值抑制

损失函数

检测流程

优缺点