深度学习网络—YOLO

yolov1（仅适用一个卷积神经网络端到端地实现检测物体的目的）

首先将输入图片resize到448448，然后送入CNN网络，最后处理预测的结果得到检测的目标；yolov1的具体思想是将全图划分为SS的格子，每个格子负责对落入其中的目标进行检测，一次性预测所有格子所含目标的边界框，置信度，以及所有类别的概率向量。
YOLO输入图像的尺寸为448448，经过24个卷积层（从图像中提取特征），2个全连接层（预测分类概率和bbox坐标），最后在reshape操作，输出的特征图大小为7730，这个30的信息中包含了坐标，置信度以及分类概率这三大信息，25+20中的2表示预测框的个数，20表示类别总数，5表示(x,y,w,h,confidence)信息。
yolov1的backbone网络是仿照GoogleNet搭建的，但并没有采用Inception模块，而是使用11和33卷积层来堆砌的，所以网络的结构是非常简单的，yolov1一共有三部分输出
yolov1损失函数计算如下：

坐标误差：预测的bbox与groundtruth框的中心点平方误差，以及相对于整幅图片的宽高平方误差
置信度误差：对于每一个gridcell的每一个bbox都有一个confidence score，如果包含物体，那么置信度就接近于1，如果不包含物体，那么置信度就接近0
分类误差：每个gridcell负责预测一个物体，获取得到分类结果与groundtruth的真实结果进行比较。