YOLO算法，英文全稱是You Only Look Once，直接谷歌英文全稱就能找到那篇論文，同時作者也在github上開源了代碼。需要說明的是這篇推文是關(guān)于yolo v1，還有一個升級版。

顧名思義，這個算法就是只看一遍圖片就能把所有的物體都識別出來，這個算法能夠做到實時的物體檢測，大約能達到40幀每秒，速度是非常快的。那如何去入手這個算法呢？相信大家已經(jīng)看過不少介紹YOLO算法的文章了，所以我在這里也不打算深入去講解這個算法了，而是盡量用簡潔的語言去闡述一下這個如此迷人的算法。

和其它推文最大的不同是，我會介紹如何從實戰(zhàn)的角度去自己去做一個數(shù)據(jù)集，如何讓電腦識別特定的一個物體。

那先來看一下我實現(xiàn)的效果是怎么樣的。首先我隨手找了我桌上的藍色水杯，收集了兩百多張自己水杯的圖片，為了減少工作量，我用水杯的數(shù)據(jù)集去替換了原來是車輛（car）的所有數(shù)據(jù)。經(jīng)過十幾個小時的訓(xùn)練之后，效果如下：

那怎么去實現(xiàn)呢？首先我覺得你要先“懂”這個算法，至少你要了解它是怎么實現(xiàn)的，原理是什么，輸入輸出是什么。為了學(xué)習(xí)這個算法，我也是花了大量時間去看作者的論文和代碼。我覺得論文配合代碼是一個很好的學(xué)習(xí)方式。通過代碼可以很清晰去了解它是如何去實現(xiàn)這個算法的。

這個算法的核心在于它把圖片劃分成了7*7個網(wǎng)格，注意這7*7個網(wǎng)格不是將一張圖片切割成49個小塊，而是說一個網(wǎng)格會對應(yīng)一個輸出結(jié)果。可能會覺得有點抽象，我們先來看圖。

比如說上面這張圖，一共有49個網(wǎng)格，每個網(wǎng)格的任務(wù)就是去判斷這個物體的中心點是否落在該網(wǎng)格，如果是落在自身網(wǎng)格，那好，那這個網(wǎng)格就會跟系統(tǒng)匯報。假定上圖中被標(biāo)記的紅色網(wǎng)格我們把它命名為小格，然后小格發(fā)現(xiàn)這里好像有條狗，于是乎它跟系統(tǒng)匯報說：我這里有條狗，然后系統(tǒng)問了一句：那這條狗有多寬有多高？小格好像有點懵，但是根據(jù)它的經(jīng)驗，小格大概能猜出來，于是回答了系統(tǒng)：這條狗大概100像素寬，250像素高吧。到這里，小格的任務(wù)就基本完成了，小格只是49個網(wǎng)格之一，其它的網(wǎng)格也一樣。于是系統(tǒng)就收集了49個網(wǎng)格的意見，然后就得到了下圖。

其實在這張圖片中可以出現(xiàn)49*2=81個預(yù)測框，也就是說沒一個網(wǎng)格可以有對目標(biāo)有兩個預(yù)測，因此最多可以出現(xiàn)81個預(yù)測框。可以在圖中看到，其實會出現(xiàn)很多無用框，相鄰的網(wǎng)格可能會出現(xiàn)相似的結(jié)果，以此我們可以通過極大值抑制過濾一部分的預(yù)測框。然后就可以得到下圖結(jié)果。

但是相信我，即使你已經(jīng)全部理解了上面我說的，你也不一定能一下子看懂代碼，在我閱讀代碼的時候發(fā)現(xiàn)雖然代碼不多，邏輯也比較清晰，但是有一些細節(jié)還是讓人難以理解。那我就帶大家來捋一下吧！

比較重要的代碼主要是在pasal_voc.py、config.py、yolo_net.py和train.py。加載數(shù)據(jù)的代碼在pasal_voc.py里面，代碼并不是很難，不過要注意一點的就是一張圖片的label其實是一個7*7*25的矩陣，一個25的向量組成是這樣的：第一位是0或1，表示是否有物體，然后接下來的四位是邊界框的信息，也就是(x,y,w,h)，剩下的就是one-hot編碼表類別。而預(yù)測的結(jié)果是7*7*30的，因為要預(yù)測兩個框。

還有一個比較精髓的是它損失函數(shù)的定義，它對每一個預(yù)測值都計算了均方誤差，但是懲罰程度卻是不一樣的。

其中λcoord = 5.0, λnoobj = 1.0,λclasses = 2.0，但是這組數(shù)字是這么得來的小編就不知道了，有可能是從大量測試中得到的一組最優(yōu)解，也可能是從數(shù)學(xué)公式推算出來的吧。其實還有很多小細節(jié)，是很難描述出來的，如果要把一個小細節(jié)說明白可以就會牽扯到無數(shù)個細節(jié)，所以我建議你們自己通過代碼去把細節(jié)搞懂。

在你已經(jīng)了解了代碼之后，就很容易做到文章開頭的那個效果了。那我講解一下我的思路和過程，最重要的還是要自己動手。當(dāng)你去研究過它的數(shù)據(jù)集之后，你會發(fā)現(xiàn)這個數(shù)據(jù)集的標(biāo)注是一個xml文件，每一個圖片就對應(yīng)一個xml文件。當(dāng)你收集好數(shù)據(jù)集之后就可以去做數(shù)據(jù)集標(biāo)記了，但是最簡單的xml文件的格式是要求如下的：

這個是我數(shù)據(jù)集中的標(biāo)注，也是能滿足代碼的最簡單的標(biāo)注，我是自己寫了一個程序幫助我完成標(biāo)記的，但是我推薦你們可以用別人的標(biāo)注工具，因為畢竟別人已經(jīng)寫好了就沒有必要再去重復(fù)造車輪。

這個就是一個標(biāo)注的工具 ，但是我也沒用過，但是看描述應(yīng)該是符合要求的。做好圖片標(biāo)注之后就要考慮如何去修改它的數(shù)據(jù)集呢？難不成一張張粘貼進去，當(dāng)然你可以這樣做，但是工作量是很大的，好吧，那就交給計算機去解決吧。我在加載數(shù)據(jù)集的時候做了一個判斷，如果一旦這張圖片里面有車，我就不加載這個數(shù)據(jù)了，指定一個路徑讓它去加載我們做好的數(shù)據(jù)集。

findcar = 0for obj in objs: cls_ind = obj.find('name').text.lower().strip() if cls_ind == 'car': findcar = 1 break

接下來就是你們思考如何去解決了。當(dāng)你解決這個問題并能訓(xùn)練的時候，如無意外你應(yīng)該能得到和我一樣的結(jié)果，祝你們好運！