参考：
https://www.jianshu.com/p/cad68ca85e27
https://arxiv.org/abs/1506.02640
https://www.jianshu.com/p/13ec2aa50c12
https://www.imooc.com/article/36391
https://www.jianshu.com/p/f87be68977cb
https://www.cnblogs.com/xiongzihua/p/9315183.html
1. YOLO v1
网络框架：
1.1 其中，输入图像大小是448*448*3，输出大小是7*7*30，如上图，最后输出的一个像素值对应原图中的一个网格，即相当于将原图分割成7*7的网格：
- 最后输出的每个像素值都是一个30维的向量，每个像素对应原图中的一个网格，30等于2×5+20，即2个bbox值(bbox值包括座标和宽高)，同时为每个bbox值预测一个置信度(confidence scores)。20表示某个类的中心落在当前单元格内的概率。
- 即前面10个值用来确定目标的位置（定位），后面20个值用来确定目标的类别（分类）。
- 输出结果中的一个像素，只能有一个类别，即要么是狗，要么是自行车，所以对应到原图中的网格，每个网格负责预测一种物体；为何用两个bbox，为了更准确的定位出物体。
1.2 分类功能简单，即20个0到1的值，哪个位置上的值大即属于哪个类，难点是定位功能：
因为定位和分类一样也视为回归任务，所以需要将座标数据值归一化为0到1之间，假设输出结果的其中一个像素值为
1.2.1 (x, y)
(x, y)是红色bbox的中心（原图绿色点）相对于网格（当前网格是蓝色）的左边界和上边界偏移距离，由两个座标决定，分别是单元格左上角座标、bbox中心在原图像的座标位置。对于上图蓝色网格座标为
因为bbox中心相对於单元格的偏移量，即绿色点如果正好在蓝色单元格最左上角，则偏移量为0，如果正好在最右下角，则相对于左边界和上边界偏移量都为1，公式如下
其中，(w_i，h_i) 是单元格左上角座标，w_c, h_c是每个单元格的宽、高，(x_c, y_c) 是原图像的座标位置，x就是相对於单元格的左边界偏移的距离。所以x, y区间都是[0, 1]。
同理，y值一样，这样就实现了原图中所有的座标值都是0到1。
每个网络只有有一个类别，类别的中心只能在网格内移动。
1.2.2 (w,h)
(w,h)是红色bbox相对于整个图片的比例。预测的bbox的真实宽高为w_b, h_b，如上图所示。(w_i,h_i)表示的是原图宽、高，计算公式如下:
其中w_i值为448，假设w_b值为160，则w = 160 / 448 = 0.3571.
1.2.3 confidence
这个置信度是由两部分组成，一是格子内是否有目标(有为1，无为0)，二是bbox的准确度（IoU，设置IoU是为了定位更准）。即如果有目标，置信度为IoU，否则置信度为0。用来评估目标位置是否准确，而不管具体类别。
一个网格，有两个bbox，所以就有两个confidence
1.2.4 C类的条件概率
20个条件概率定义为
测试的时候，将最终的输出是置信度乘以这20个条件概率值，得出一组20个概率值，因为有两组bbox，这样bbox1和bbox2的confidence分别乘以这20个条件概率值，就有两组概率值。送入NMS，得到最终的输出框结果。
1.3 损失函数
首先要明确两个概念，一是网格中有无目标，二是网格中的一个目标只有一个box负责（responsible）另一个box也算没有目标，根据在线计算IOU的大小确定哪一个负责。
其中，
confidence损失：负责检测的box的label是在线计算的IOU，不负责和无目标的都为0，为了平衡，加入λnoobj
位置损失：容易理解，负责检测的才有位置损失，其他的都不需回传损失，也就不需要计算，此外小目标对于预测wh的误差更敏感，用开根的方法缓解。举例来说，大小为10和大小为100的目标，预测大小分别为20和110，损失一样但是显然小目标检测的更差一些，开根后，
类别损失：容易理解，含有目标的网格才有类别损失，其他都不需要回传损失，也就不需要计算。默认网格只出现一种类别，这当然是有缺陷的。yolov1对于一些聚集的目标，检测效果会不好。其实聚集目标本身也算很难检测的情况吧。
- 可以看到损失函数包括5个部分。第一部分是x,y座标；第二部分是w,h，采用根号使得小方框size变化的损失比大方框size变化的损失大，因为小目标对于预测wh的误差更敏感；第三部分是方框置信度损失，回归目标是预测方框与实际方框的IOU值；前三部分都只在预测方框和实际方框有对应关系时才计算loss；
- 第四部分是没有对应物体的方框置信度损失，实际的置信度都是0；
- 第五部分是分类损失，当方格与物体有对应关系时，才计算分类损失。
因为在图片中很多方格都不包含物体，使得方格预测方框的置信分数趋于0。所以对包含物体的方格加大权重，对不包含物体的方格减小权重。论文中有
待续。。。