you only look once - YOLO （1）

最後的这几篇文章想要来介绍一下yolo，主要是用deep learning来做物件侦测（object detection)。

YOLO其中一个特点是他是one stage method(region-free)，全称是“you only look once”，也就是一次处理物件的位置与类别分辨;另一种方式为two stage method(region-free)，方法是先侦测照片中的物体位置，裁剪之後再放入分类器判断是什麽物体。

YOLO的主要原理是切割照片成S＊S的窗格(grid)，每个grid都会侦测出B个框框（bounding boxs）来定义物体的位置，bounding boxs的资讯包含：（x,y）中心座标,w 宽度,h 高度, conference 物体在框框里的把握度，公式如下图：

所谓的Pr(object)是窗格内是否有物体的机率，如果有就是1，没有则是0，IOU则是intersection over union，也就是计算bounding boxs和物体实际位置的交集/联集比。

另外每个窗格(grid)也会预测物体类别，用one-hot encoding来表示，明天再来细讲相关的损失函数还有架构。

[reference]
https://www.youtube.com/watch?v=sq_OfIhb5Oc