只看一次：统一的实时对象检测

只看一次：统一的实时对象检测(中文8500字,英文PDF)
摘要
我们介绍了Yolo，这是一种新的对象检测方法。之前的物体检测工作是使分类器来执行检测工作。相反，我们将对象检测作为回归问题来空间分离边界框和相关联的类概率。单个神经网络在一次评估中直接从完整图像中预测边界框和类概率。因为整个检测管道是一个单一的网络，它可以直接根据检测性能对端到端进行优化。
我们的统一架构非常快。我们的基本YOLO模型以每秒45帧的速度实时处理图像.一个较小的网络版本，FastYOLO，每秒处理令人震惊的155帧，同时仍然达到其他实时检测器的两倍。与现有的检测系统相比，Yolo产生更多的定位误差，但不太可能预测背景上的假阳性。最后，YOLO学习对象的一般表示。当从自然图像推广到其他领域例如工艺品时，它的性能超过了其他的检测方法包括DPM和R-CNN。