摘要

我们提出一种新的目标检测算法——YOLO。以前有关目标检测的研究将检测转化成分类器来执行。然而，我们将目标检测框架化为空间分隔的边界框及相关的类概率的回归问题。在一次评估中，单个神经网络直接从整幅图像中预测边界框和类概率。因为整个检测管道是单个网络，在检测性能上可以直接进行端到端的优化。

我们的统一架构非常快。我们的基础YOLO模型以每秒45帧的速度实时处理图像。较小型的网络Fast YOLO，以惊人的每秒155帧的速度处理图像，同时达到其他实时检测器的两倍的mAP。与最先进的检测系统相比，YOLO产生更多的本地化错误，但在背景上预测错误的可能性较小。最后，YOLO学到了目标的整体特征。当从自然图像推广到艺术品等其他领域时，它的性能优于其他检测方法，包括DPM和R-CNN。

最新文章

1. 第9章 Java类的三大特性之一：继承
2. Linux进程间通信（一）： 信号 signal()、sigaction()
3. 雅美尓（yaml）实战
4. 各种UIButton
5. IOS开发之—— ShareSDK的使用
6. vs c++ 将string转换为double
7. [3D]绘制线
8. otf字体转ttf字体
9. mysql模拟插入数据表
10. BZOJ 2748 音量调节
11. SharePoint发展 - 使用Session（代码更改webconfig）
12. [转] Gvim for windows中块选择的方法
13. 神奇的框架插件jquery layer
14. android开发常用工具箱
15. tfs权限设置
16. 【angularjs】使用angular搭建PC端项目，开关按钮
17. Rainbond v5.1.2发布，微服务架构应用便捷管理和交付
18. 《算法导论》——顺序统计RandomizedSelect
19. 发布本地项目和源码到maven私服中
20. AGC 016 F - Games on DAG(状压dp)

热门文章

1. Spring中ApplicationContextAware接口的说明
2. 用隧道协议实现不同dubbo集群间的透明通信
3. Databricks 第5篇：Databricks文件系统（DBFS）
4. Linux 入门教程：00 Background
5. python学习笔记 | selenium各浏览器驱动下载地址
6. kubernets之namespace
7. CTFHub - Misc(流量分析)
8. ctfhub技能树—信息泄露—git泄露—index
9. 避免用using包装DbContext【翻译】
10. springmvc 字符串转日期格式