检测算法回顾
5、6年前的检测算法大体如下：
手动涉及特征时应该考虑的因素：
1、尺度不变性 2、光照不变性 3、旋转不变性
这一步骤称为特征工程，最重要的一个算法称为sift，(回顾SIFT讲解)体现了上述所有的观点。
在分类的过程中，经典的工具有SVM、NN。
由于每一个步骤都会存在误差，随着链路不断增长，会导致误差逐步累积，最终带来错误。
stage1生成备选框，stage2进行精准化.
v1讲解
一些概念和定义
每个备选框都可以用四个维度唯一标定。
confidence为置信度，置信度表达式中的Pr表示是否为目标物体的概率，IoU表示真实与预测box之间的重合程度。
输出的张量，(5*B+C)表示channel数目，5代表了box的xywh和置信度，一共有两个box，C表示分类的个数，原文中给的是20.
B是个武断的数字，只要比1大就行了，用1个预测框去回归，并不能保证回归结果很好。
损失函数解释
函数1、2代表的是对物体边框的回归。3、4代表的是对置信度的回归。
原本的格子7x7，然后每个格子对应2个bbox，一共有98个点需要估计。然而在我们上图中只有3个物体，所以需要把超参数调整大一点，平衡非物体bbox过多。
w与h表示bbox的边框大小，为什么使用根号呢？如果使用线性的，当物体边框大的时候，loss也就越大，说明我们评测结果容易收到大物体影响。使得网络只会去学习到大物体的信息，而把小物体给忽略掉了。
w与h表示bbox的边框大小，使用根号，是为了使得大物体与小物体产生的loss差距不大。取log也可以。
为什么需要加上noobject的损失？
当我们需要学习N类物体的特征时，其实需要学习的时N+1类物体，就是多一个复杂的背景，增强泛化能力。
最后的分类略显粗糙，需要加上softmax，与交叉熵损失相结合。softmax定义，数学表达式，编码以及求导需要好好掌握。
v1总结
之前说过yolo是，图像中物体中心落在哪个格子，那个格子就负责预测那一个物体。如果物体过于拥挤，导致一个格子里面有多个物体中心就不好搞了。
物理信息找边框，语义信息分类。
很显然，右边的更容易回归
人工撒anchor，不同形状，
v3
