yolov1， yolo v2 和yolo v3系列

　　目标检测模型主要分为two-stage和one-stage， one-stage的代表主要是yolo系列和ssd。简单记录下学习yolo系列的笔记。

1 yolo V1

　　　yolo v1是2015年的论文you only look once：unified，real-time object detection 中提出，为one-stage目标检测的开山之作。其网络架构如下：（24个卷积层和两个全连接层，注意最后一个全连接层可以理解为1*4096到1*1470（7*7*30）的线性变换）

　　yolo v1的理解主要在于三点：

　　1.1 网格划分： 输入图片为448*448，yolo将其划为为49(7*7)个cell, 每个cell只负责预测一个物体框， 如果这个物体的中心点落在了这个cell中，这个cell就负责预测这个物体

　　

　　1.2  预测结果：最后网络的输出为7*7*30， 也可以看做49个1*30的向量，每个向量的组成如下： (x, y, w, h, confidence) *2 + 20; 即每一个向量预测两个bounding box及对应的置信度，还有物体属于20个分类（VOC数据集包括20分类）的概率。

　     1.3  Loss 函数理解：loss函数如下图所示，下面几个概念需要理清楚

　　　　　　　s2：最后网络的输出为7*7*30， 因此49个cell；

　　　　　　　B: 每个cell（1*30）预测了两个bbox，因此B=2，只有和ground truth具有最大IOU的bbox才参与计算

　　　　　　　7*7的正掩膜