只能跑跑官方代码，非官方代码训练py出现问题，我又不会改，想着还是要自己从零到一实现下模型，最慢的方法才是最快的方法。
目录
- 0.简介
-
- 0.0 如何从零开始手写简介
- 0.1 前提知识
-
- 0.1.1 全卷积神经网络，Fully Convolutional Neural Network
- 0.1.2 锚箱 Anchor Boxes
- 0.1.3 做出预测 Making Predictions
- 0.1.4 中心坐标 Center Coordinates
- 0.1.5 边界框的尺寸 Dimensions of the Bounding Box
- 0.1.6 客观评分 Objectness Score
- 0.1.7 阶级机密 Class Confidences
- 0.1.8 跨不同尺度的预测 Prediction across different scales
- 0.1.9 输出处理 Output Processing
- 0.1.10 对象置信度阈值 Thresholding by Object Confidence
- 0.1.11 非最大抑制 Non-maximum Suppression
- 0.1.12 实现方案 Our Implementation
- 1.构建YOLOv3
0.简介
0.0 如何从零开始手写简介
介绍如何从配置文件创建网络架构、加载权重和设计输入/输出管道
近年来，人们开发了许多用于目标检测的算法，其中一些包括YOLO、SSD、Mask RCNN和RetinaNet。
致力于改进目标检测，学习目标检测的最好方法是自己从头开始实现算法。
使用PyTorch实现一个基于YOLOv3的目标检测算法。
代码置于这个Github存储库中： YOLO_v3_tutorial_from_scratch
主要有5个部分：
0.卷积神经网络如何工作，边界盒回归，IoU和非最大抑制
1.理解YOLO工作原理
2.创建网络架构的层
3.实现网络的前向传递
4.目标得分阈值和非最大抑制
5.设计输入和输出管道
0.1 前提知识
0.1.1 全卷积神经网络，Fully Convolutional Neural Network
YOLO仅使用卷积层，使其成为一个全卷积网络（FCN）。它有75个卷积层，具有跳过连接和上采样层。
