YOLO

YOLO 의 핵심 아이디어는 객체 탐지를 단일 회귀 문제로 다시 구성하는 것, 

입력을 w*h 그리드로 나눈다. 그리드의 각 부분에 대해 B 개의 경ㅇ계 상자를 정의, 다음을 예측

• 상자의 중심ㅅ
• 상자의 너비와 높이
• 이 상자가 객체를 포함하고 있을 확률
• 객체의 클래스

추론과 훈련으로 나눈다.

추론은 이미지 입력을 받아 결과를 계산하는 절차, 

훈련은 모델의 가중치를 학습하는 절차

 

YOLO 는 백본 모델, 특징 추출기를 기반으로 한다. 

 YOLO 의 마지막 계층은 입력으로 특징 볼륨을 받는다. 이는 1*1 인 합성곱 필터로 구성된다. 특징 볼륨의 공간 구조에 영향을 주지 않고 깊이를 바꾸는데 사용될 수 있다.

 

YOLO 의 마지막 출력은 w*h*M 행렬로, w*h 는 그리드 크기며 M 은 공식 B*(c+5) 에 해당한다.

• B 는 그리드 셀당 경계 상자 개수
• C 는 클래스 개수

 

경계상자마다 c+5 개의 숫자를 예측해야 한다.

경계상자의 중심 좌표(x,y) 너비와 높이(w,h) 신뢰도, 각 클래스별 확률

 

앵커 박스는 훈련 전에 결정되는 일련의 경계 상자 크기,