研究 | YOLO一眼就能认出你：看一个神经网络如何全视野实时检测目标

作者 | Joseph Redmon的 & Ali Farhadi

编译|AI100（rgznai100）

YOLO全名You only look once（你只需要看一眼），是一个用于摄像头的实时目标检测系统。它能分辨出6000种物体，可在Titan X显卡上以40-90FPS的帧率处理视频。

007跑得再快，它看上一眼也能记住：

YOLO的作者是华盛顿大学（保罗·艾伦母校）的Joseph Redmon和保罗·艾伦AI研究所的Ali Farhadi，该项目目前已经开源，代码用C和CUDA写成，还有训练好的参数供你下载。

YOLO在原理上不同于过往的目标检测系统，人们过去只是把分类器和定位器的模型重用到目标检测上，用以监控摄像头视野中的多处位置和区域，得分最高的区域就被认为是发现目标。

YOLO的神经网络则可以监控摄像头的整个视野，如下图所示，它把整个视野的图像分成13×13的方格细胞：

每个方格细胞负责预测5个目标框，并以目标框来描述神经网络所检测到的物体：

不过，YOLO所输出的置信度数值，并非针对它所要识别的目标，而是目标框形状的契合程度。置信度越高，目标框就越粗：

目标框确定后，方格细胞便据此来预测目标的分类。以PASCAL VOC图像数据集为例，YOLOh很轻松就能辨别出20种不同的目标：自行车、船、汽车、猫、狗、人……

与基于分类器的老式系统不同，YOLO仅运行一个神经网络就能实时检测目标，相比要运行数千个神经网络才能检测目标的R-CNN系统，它能快上1000倍。

YOLO项目的详细信息如下：

• 论文 - https://arxiv.org/abs/1612.08242
• 项目页面 - https://pjreddie.com/darknet/yolo/
• 模型代码 - https://github.com/pjreddie/darknet
• 258M参数下载 - https://pjreddie.com/media/files/yolo.weights