1. YOLO 是什么  YOLO = You Only Look Once

模型只看一遍图片，就能检测出物体的类别和位置。

目标检测要解决两个问题： 物体是什么+物体在哪里

输出结果一般是： 类别+位置框+置信度

---

2. 目标框表示方法

第一种：(x1​,y1​,x2​,y2​) 表示左上角和右下角坐标。

第二种：(xc​,yc​,w,h) 表示中心点坐标和宽高。

YOLO 常用：(xc​,yc​,w,h)

---

3. YOLO 的基本思想

YOLO 会把图片划分成网格，每个网格负责预测附近的目标。

模型输出可以理解为：

其中：S×S 表示网格数量。 B 表示每个网格预测几个框。

5 表示：x,y,w,h,confidence。 C 表示类别数量。

---

4. 置信度 Confidence

置信度表示：这个框里有没有目标，以及框准不准。

经典公式： 注意：置信度 ≠ 类别概率。

置信度判断有没有目标。 类别概率判断是什么目标。

---

5. IoU 交并比

IoU 用来衡量预测框和真实框重叠程度。

                I

如果两个框完全重合：IoU=1

如果完全不重合：IoU=0 IoU 越大，框越准。

例子：预测框面积 200，真实框面积 300，重叠面积 100。

IoU=200+300−100100​=0.25

---

6. YOLO 损失函数

YOLO 的损失主要有三部分：

其中：Lbox​ 表示框位置损失。 Lobj​ 表示目标置信度损失。 Lcls​ 表示类别损失。

---

7. NMS 非极大值抑制

YOLO 会对同一个物体预测出多个框。NMS 的作用是：删除重复框，只保留置信度最高的框。

步骤：                  

                第一，按照置信度从高到低排序。

                第二，选择置信度最高的框。

                第三，计算这个框和其他框的 IoU。

                第四，如果 IoU 超过设定阈值，就删除低置信度框。

                第五，重复以上步骤，直到没有多余框。

8. YOLO 的完整检测流程