YoloV1-单阶段目标检测器

1. 动机

第一篇one stage的文章，将分类任务和回归任务结合在一起做，不需要anchor，输入图片后直接得到图片中物体的bbox以及对应的class。

2.方法概要

• 输入：图片
• 输出：$(S\times S)\ast 2$个bbox的（x,y,w,h），以及$(S\times S)\ast 2\ast 20$的类别向量（Pascal VOC dataset），还有$(S\times S)\ast 2$的表示每个bbox中有没有物体的概率（01二分类）。
• 流程：将原石图片划分为$(S\times S)$的grid，然后根据GT 物体的中心落在哪一个grid去划分该GT物体由哪个grid来负责检出。x y w h具体形式应该是和yolo本身的GT产生标准有关系，然后去分grid回归预测，每个grid会给两个bbo x的指标去进行回归预测，因此划分为7x7的grid后，会输出98个bbox。
  
  

3.细节或注意点

• xy都是0-1之间的数，是与网格大小的比例，表示该bbox中心与对应网格的相对位置
• wh都是0-1之间的数，表示bbox的宽和高与图片宽高的比例

4. 评价

• 快是快，就是每个grid上分配的bbox指标太少，检出量不够
• 划分的grid直接会影响小目标的检出，grid往往会比较大，会更关注到大物体的检出，小物体分配不到有效的anchor，因为极有可能和相邻的大物体在一起时被pass掉。