笔记

论文的脉络

先对比了和一些 其他工作的比较，比如 比 fast rcnn 更加能利用 全局的信息。

牵扯到的基础知识

iou

mAP

2. 统一的检测流程

提出了一个想法：每一个 box 如果 有 物体的中心，那么这个 box 就负责 对 这个 物体的 概率进行评估，

论文地址

https://pjreddie.com/media/files/papers/yolo_1.pdf

从原始论文引申的其他文章

14：FastRCNN

有关 yolo 的其他资料

zhihu：
https://zhuanlan.zhihu.com/p/70387154

https://github.com/ultralytics/yolov3/wiki/Train-Custom-Data

http://christopher5106.github.io/object/detectors/2017/08/10/bounding-box-object-detectors-understanding-yolo.html

https://towardsdatascience.com/yolo-v3-object-detection-53fb7d3bfe6b

https://michaelohanu.medium.com/yolov5-tutorial-75207a19a3aa

https://zhuanlan.zhihu.com/p/172121380