實習期間，想實現行人檢測任務，要求速度上比較快，因為要放在android端跑，因此選擇了YOLO。YOLO是一種基於端到端的檢測演算法，其特點就是快同時準確率還差強人意。
傳統的目標檢測方法基本都是基於滑窗的方式，RCNN系列也可以歸為滑窗的一種。而YOLO是一種採用全圖資訊來進行檢測的演算法，相比於Fast RCNN，YOLO的背景預測錯誤率低一半，但YOLO對小畫素的目標不敏感。
總結一下：

1. 非常快。YOLO預測流程簡單，速度很快。基礎版在Titan X上可以達到45幀/s，快速版可以達到145幀/s，在無GPU的虛擬機器中檢測一張圖需要1.5s左右，需要速度快，但是對無GPU的Android端還是不夠。
2. YOLO無需滑窗，無需候選窗，YOLO在訓練和預測過程中可以利用全圖資訊。Fast RCNN因檢測中無法看到全域性資訊，會出現錯誤的將背景中的斑塊檢測為目標的情況。
3. YOLO可以學習到目標的概括資訊，具有一定普適性。採用自然圖片訓練YOLO，然後選擇藝術圖片來預測，YOLO的比DPM（Deformable Parts Models）和RCNN的準確率高得多。
4. YOLO對相互靠近的物體，還有很小群體的檢測效果不好。這是因為一個格子中只能預測兩個框，並且屬於一類。而且，在預測時，同一類物體以不同長寬比出現時，YOLO的效果不好。在大小物體定位的處理上效果也不好。

1、大體流程
YOLO就是利用整張圖作為輸入，然後直接輸出迴歸bounding box的位置和類別。

YOLO先將圖片分為個格子，如果一個目標的中心落在某個格子中，這個格子就負責檢測該目標。每個格子中要預測B個Bounding Box，且每個Bounding Box出了要回歸自身的位置()之外，還要附帶預測一個condfidence值(置信值)。這個置信值代表了所預測的Bounding Box中包含目標的置信度和位置()的準確度兩重資訊。其值的計算如下式：

如果這個格子中有Object落在其中，則取1，否則取0。表示預測的Bounding Box和真實的Bounding Box之間的IOU值。

每個Bounding Box包含位置資訊()和置信值(condfidence)5個值，同時每個格子還要預測出一個概率值C（如資料集為20類，則C的個數為20），代表這個格子包含某一個目標的概率，每一個格子只預測一類概率。在測試時，每個Bounding Box通過類別概率和Bounding Box的置信值相乘來得到特定類別的置信分數，如下式。

則輸入一張圖，一共的格子，每個格子要預測B個Bounding Box，每個Bounding Box包含5個值，同時每個格子還要預測C個類別概率，因此輸出就是個tensor。（注：C是針對每個格子的，而condfidence是針對每個Bounding Box）。
舉例：在PASCAL VOC中，影象輸入為，取。則輸出的就是的tensor。

2、具體細節
上述例子中，網路輸出為，即每個格子輸出30個tensor（2個Bounding Box一共8個位置值，2個置信值，還有20維的類別）。其中位置值()中，代表與格子相關的Bounding Box的中心，在訓練時歸一化到0-1；表示Bounding Box的寬和高，在訓練時用影象的寬和高歸一化到0-1。
在實現時最重要的是怎樣設計損失函式，讓這個三方面得到很好的平衡。作者簡單粗暴的全部採用sum-squared error loss來做這件事。但是這種做法存在幾個問題：
一、8維的位置誤差和20維的分類誤差同等重要顯然不合理。
二、如果某個網格中沒有object，那個這個網格的置信值就為0，相對於較少有object的網格，這種做法太過暴力，這會導致網路不穩定甚至發散。
解決方法：
一、更重視8維的位置座標，在位置座標損失前面賦予更大的loss wights，記為。在PASCAL VOC訓練中取5.
二、對不包含object的Bounding Box的置信值的誤差，賦予小的loss wights，記為。在PASCAL VOC訓練中取0.5。
三、包含object的Bounding Box的置信值的誤差和類別的誤差，其loss wights正常取1。

對不同大小的box預測中，相比於大box預測偏一點，小box預測偏一點肯定更不能被忍受的。而sum-square error loss中對同樣的偏移loss是一樣。
為了緩和這個問題，作者用了一個比較取巧的辦法，就是將box的width和height取平方根代替原本的height和width。這個參考下面的圖很容易理解，小box的橫軸值較小，發生偏移時，反應到y軸上相比大box要大。

一個格子要預測多個Bounding Box，希望的是每個Bounding Box專門負責預測某個object。具體就是當前預測的Bounding Box與ground truth box中哪個IoU大，就負責哪個。這種做法稱作box predictor的specialization。

整個loss如下：

1、損失函式中，只有當Bounding Box中有object時才會對分類誤差進行懲罰。
2、只有當某個box predictor對某個ground truth box負責的時候，才會對box的coordinate error進行懲罰，而對哪個ground truth box負責就看其預測值和ground truth box的IoU是不是在那個cell的所有box中最大。

3、實現
實現的code主要是基於https://pjreddie.com/darknet/yolo/
A、首先下載code編譯

B、下載網站提供訓練好的模型weights

C、執行預測

D、得到結果

預測很簡單，本人也做了預測，在cpu上單張圖需要1.5s左右。網頁上也提供了訓練的步驟，需要下載製作好的資料集；若需要解決個人問題，則需要自己標定圖片，製作資料集。
接下來本人會自己製作資料來試驗一下，並簡單閱讀一下原始碼。