（论文阅读15/100）You Only Look Once: Unified, Real-Time Object Detection

文献阅读笔记
简介	题目	You Only Look Once: Unified, Real-Time Object Detection
	作者	Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi
	原文链接	https://arxiv.org/pdf/1506.02640.pdf 《You Only Look Once: Unified, Real-Time Object Detection》-CSDN博客
	关键词	Null
	研究问题	目标检测框架问题。
	研究方法	将detection视为回归问题，仅使用一个neural network同时预测bounding box的位置和类别，因此速度很快。 由于不需提取region proposal，而是直接在整幅图像进行检测，因此YOLOv1可以联系上下文信息和特征，减少将背景检测为物体的错误。 YOLOv1学习到的是目标的泛化表示（generalizable representations），泛化能力非常强，更容易应用于新的领域或输入。 由于不需提取region proposal，则YOLOv1的检测流程很简单： Resize image：将输入图片resize到448x448。 Run ConvNet：使用CNN提取特征，FC层输出分类和回归结果。 Non-max Suppression：非极大值抑制筛选出最终的结果。
	研究结论	背景上预测假阳性的可能性比较低。
	创新不足	损失函数设计存在缺陷，会产生更多地定位错误。 对重叠、邻近的物体检测不友好。 测试数据中出现了训练数据中没有的长宽比时，泛化能力低。
	额外知识	DPM(Deformable PartsModel)算法：基于部件的检测方法，对目标的形变具有很强的鲁棒性。 DPM(Deformable Parts Model)--原理(一)_deformable parts models.-CSDN博客