[YOLO专题-4]：YOLO V1 - 网络结构、原理、基本思想的全新、全面、通俗、结构化讲解

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122156426

---

目录

第1章  YOLO V1应运而生

1.1 Faster R-CNN的出现与不足

1.2 YOLO V1的出现

1.3 YOLO V1的优点

1.4 YOLO总体的网络结构

1.5 YOLO V1的总体网络架构

第2章 YOLO V1网络的图片输入

2.1 输入图片或视频（用于网络的前向预测）

2.2 图片的标签（用于Loss计算与反向网络训练）

2.3 输入图片的预处理

第3章 YOLO V1 前向特征提取网络： 卷积网络

3.1  特征提取网络

3.2 GoogLeNet (补充）

第4章 YOLO V1 前向输出网络：全连接网络FC

4.1 YOLO V1的输出网络

4.2 YOLO网络输出与分类网络输出的比较

4.3 YOLO对图片区域的切分：7 * 7 网格的定义

4.4 每个网格包含的结构化的信息

4.5 每个数值的含义汇总

4.6 所有网格，所有“Bounding Box”

4.7 整个预测过程

第5章 前向输出（预测阶段）后处理：NMS非极大值抑制处理

5.1 为什么需要后期处理

5.2 后期处理需要达成的目标

5.3 如何做到的呢？

第8步：概率过滤

第6章 YOLO V1 反向Loss计算与网络优化训练

6.1 问题概述与Loss函数的意义

6.2 Loss函数的设计（核心、核心、核心）

6.3 关键概念进一步澄清

6.4 优化算法

第7章 YOLO V1的不足与改进

参考视频：

---

---

第1章  YOLO V1应运而生

1.1 Faster R-CNN的出现与不足