上文我们介绍了目标检测和目标定位的基础知识，本文我们就正式开始介绍YOLO算法。YOLO全称是You Only Look Once，这个算法来源于Joseph Redmon等人在CVPR 2015上发表的一篇论文：You Only Look Once: Unified, Real-Time Object Detection，它不仅解决了目标边界框不精确的问题，而且算法速度也很快，下面让我们看看它是如何实现的。

基本思路

YOLO的基本思路是，把一个大的图像分割成更小更精细的n等份的网格，然后每个网格都打上标签，这个格子内是否有目标，目标的位置以及目标所属类别。为了简单起见，我们以\(3 \times 3\)的网格为例，实际使用中的表格会更精细，比如\(19 \times 19\)，它们的示意图如下：

这样一来输出层的大小就是\(3 \times 3 \times 8\)或者\(19 \times 19 \times 8\)。值得注意的是，YOLO算法是一个卷积实现，所以它的速度非常快，基本可以做到实时检测。还有一个小细节是，在计算每个格子中目标的位置时，我们不再以整张图标作为参考[……]

继续阅读

今天我们开始介绍Coursera-Deep Learning第四课卷积神经网络的week3的内容：目标检测，主要内容是YOLO算法。在详细介绍这个算法之前我们先普及一些目标检测的基本知识。

目标定位（Localization）

所谓的检测（Detection）指的是从一张图片中识别出是否存在某个目标，而目标定位（Localization）指的是在识别目标的同时，输出它在图像中的位置。我们知道使用神经网络进行目标检测是很容易的，那么如何进行目标定位呢？很简单，跟目标检测一样，我们不仅可以对图像内容打标签，还可以对它所在的位置打标签，然后通过神经网络训练，定位目标。所以，一个完整的Object Detection应该包括Detection和Localization两部分，结合起来后我们得到以下的label \(y\)：

$$
y=\begin{bmatrix}
p_c\\
b_x\\
b_y\\
b_h\\
b_w\\
c_1\\
c_2\\
c_3
\end{bmatrix}
$$

其中，

• \(p_c\)表示的是否有目标，0没有；1有
• \(b_x\)和\(b_y\)表示该目[……]

  继续阅读