##YOLO網路結構

YOLO把檢測問題看成是端到端的迴歸問題。把輸入圖片劃分成一個個的小格子，讓物體中心點所在的格子負責檢測到該物體。
YOLO採用的是GoogLeNet結構，但是用1*1和3*3的卷積層來替代GoogLeNet的inception層。網路結構如下：

每個卷積層後面都會跟著leaky ReLu非線性層。第一個全連線層後面也跟著leaky ReLU非線性層。對於一張圖片，輸出的維度是7*7*30（YOLO為每個格子為每個格子預測一個概率分佈，並且預測2個box以及每個box的置信度）：

輸出的box是(x_center, y_center, width, height)，x_center和y_center是相對於格子的位移並且用格子的長寬進行歸一化，width和height用448進行歸一化，所以這四個值的範圍是[0,1]。

訓練

卷積層預訓練

取YOLO的前20個卷積層，然後加上一個平均池化層和一個全連線層，在ImageNet 1000-class資料上進行訓練。作者講他訓練了大約一週的時間。

損失函式

YOLO會為每個格子預測多個box，但我們希望訓練時只有一個box為每個物體負責。責任box是和物體的真實box的IOU最大的box。
訓練誤差包含下面三種誤差：

• 座標誤差：表示對物體負責的格子中的責任box和真實box標記之間的誤差

• 置信度誤差：表示每個預測box的置信度和真實置信度之間的誤差。
  目標置信度的表示式如下：
  

  C^=Pr(Object)∗IOUtruthpred={0，如果box
  不是責任boxIOUtruthpred，如果box是責任box(1)

置信度不僅給出預測的box是否包含物體的資訊，而且還給出了預測的box的準確度。作者在文中提到大多數的格子中是不包含物體的，這些格子中的box置信度應該向0趨近，這個目標帶來的梯度有可能會比包含物體的格子帶來的梯度更大。所以在損失函式中增加box的座標預測損失，減少不包含物體的box的置信度預測損失，即在公式(2)中引入的係數λcoord=5和λnoobj=0.5，

• 類別誤差：表示為責任格子預測的類別概率分佈和真實的概率分佈之間的誤差

誤差表示式：

λcoord∑i=0S2∑j=0B1objij[(xi−x^i)2+(

yi−y^i)2+(wi−−√−w^i−−√)2+(hi−−√−h^i−−√)2]+∑i=0S2∑j=0B1objij(Ci−C^i)2+λnoobj∑i=0S2∑j=0B1noobjij(Ci−C^i)2+∑i=0S21obji∑c∈classes(pi(c)−p^i(c))2(2)

1obji表示是否為責任格子；1obj