yolo论文

综述： 将物体检测任务（划分边界框和类别的可能性）作为回归问题来解决。 速度非常快，但是可能产生定位的误差，相比于rcnn，减少了假阳性。 从上图可以看出结构非常简单 优势： 1、速度非常快 2、处理全局的信息。在 训练和测试的使用看到了整个图像，对类别和外表都进行编码。相比于faster rcnn减少了近一半的假阳性。 3、yolo学习归纳重新表达物体的特征。所以能够更加适应新的领域。在后面的实

>>阅读原文<<