>>戳此處立即下載下傳電子書<< ，學習全套目标檢測算法&模型
YOLO
由于在R-CNN 的系列算法中都需要首先擷取大量proposal，但proposal 之間有很大的重疊，會帶來很多重複的工作。YOLO[5] 一改基于proposal 的預測思路，将輸入圖檔劃分成SxS 個小格子，在每個小格子中做預測，最終将結果合并，如圖2-14 所示。接下來我們看一下YOLO 學習的關鍵步驟：
（1）YOLO 對于網絡輸入圖檔的尺寸有要求，首先需要将圖檔縮放到指定尺寸（448x448），再将圖檔劃分成SxS 的小格。
（2）每個小格裡面做這幾個預測：該小格是否包含物體、包含物體對應的矩形框位置以及該小格對應C 個類别的分數是多少。是以，每個小格需要預測的的次元為B x（1+4）+ C，其中B 代表每個小格最多可能交疊物體的個數，1 為該小格是否包含物體的置信度，4 用來預測矩形框，C 表示任務中所有可能的類别個數（不包含背景）。是以，YOLO 網絡最終特征層的大小為 S x S x（ Bx5 + C），圖 2-14 中特征
層大小即為 7 x 7 x ( 2 x 5 + 20)=7x7x30（Pascal VOC2012 目标檢測資料集共有20 種類别）。
由于YOLO 直接将輸入圖檔劃分為SxS 個小格，不需要産生proposal 的過程，是以速度比Faster R-CNN 快很多，但是因為粒度較粗，是以精度相比Faster R-CNN 略遜一籌。YOLO 的主要貢獻是為目标檢測提供了另一種思路，并使實時目标檢測成為可能。近幾年，YOLOv2 和YOLOv3 接連推出，感興趣的讀者可以參考附錄的6。
圖2-14 基于Pascal VOC2012 目标檢測資料集的YOLO 示意圖