CNN属于二步法
YOLO属于一步法
那么什么是一步法与二步法呢？
两步法就是算法中有两个步骤：
-- 第一步选取候选框
-- 第二步对这些候选框分类或者回归而一步法就免除了二步法中的第一步
-- 其主要思路是均匀地在图片的不同位置进行密集抽样
-- 抽样时可以采用不同尺度和长宽比，然后利用CNN提取特征后直接进行分类与回归
-- 整个过程只需要一步，所以其优势是速度快从以上的区别来看，cnn算法需要选取候选框，而yolo不需要，抽样可以使用不同尺寸的图片直接进行特征提取与分类。YOLO的全称是YOU ONLY LOOK ONCE，俗称“一次就好”。
我们看R-CNN 与YOLO的具体检测步骤
R-CNN 根据候选框识别目标
-- 可以近似总结为暴力法(实际上是用selective-search选了2000个左右的候选框)，本质上是每一个尺寸每一个像素循环一遍
fast R-cnn
-- 本质上就是提取候选框的速度比R-CNN快；
所有R-CNN的方法都是将目标检测分为两部分实现的：
-- 1）物体的类别；分类问题。
-- 2）物体的区域，即bounding box，回归问题。
回到YOLO：
-- 是直接当做回归问题求解，输入图像经过处理，可以直接获取到图像中物体的类别及其confidence以及物体的位置。
-- 具体方法是：
-- YOLO将输入图像分为S×S个grid，每个grid负责检测落入其中的物体。
-- 如果物体的中心位置落入该grid，则该grid就负责检测出这个问题。
-- 每个grid输出B个bounding box的同时还要输出C个物体属于某类的confidence
-- 从B个里面挑选IOU最大的那个bounding box，同时C是总共包含的类的类别。
网友回复
