Tensorflow入门教程（十六）——基于YOLOv1的目标检测

在之前的文章中分享过分类和分割案例，今天我将分享目标检测实际案例。目标检测算法框架有很多，这篇文章主要是YOLO检测框架。

1、YOLO算法思想

YOLO算法的详细讲解网上有很多，这里我就简单地说一下，YOLO的核心思想是利用整张图作为网络的输入，直接在输出层上来回归bounding box的位置和bounding box所属的类别。每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。YOLO算法要将图像分成SxS个网格，每个网格要预测B个bounding box和C个类别概率，YOLO的输出就是S x S x (5*B+C)的张量。举例说明: 在PASCAL VOC中，图像输入为448x448，取S=7，B=2，一共有20个类别(C=20)，则输出就是7x7x30的张量。

2、训练YOLO模型

YOLOv1的Tensorflow版本github下载链接：https://github.com/hizhangp/yolo_tensorflow。把该项目下载下来后，还需要下载YOLO_small Weight文件，然后修改配置文件进行训练。

3、测试YOLO模型

当模型训练好后，加载模型。我使用极品飞车19视频来进行测试。检测速度还是非常不错的，我给出检测后的效果。感兴趣的朋友们动手试试吧。