上周最后一课
你已经学了对象检测算法的大部分零件了，接下来，我们把所有的零件组合到一起，构成YOLO检测算法。
首先：构建训练集
创立一个y向量3x3x2x8，要构造训练集，你需要遍历九个格子，而后构成对应的目标向量y，当然实际中，你可能使用的是19x19x5x8的向量集。
构成训练集以后，你训练一个卷积网络，输入图片，可能是100x100x3，而后你的卷积神经网络最后输出尺寸是3x3x16，接下来你的算法应该做出预测：
最后你要跑一下非最大值抑制：
假如你使用两个anchor box，那么对于9个格子中任何一个都会有两个预测的边界框，其中一个格子的概率pc非常低，但是9个格子中，每个都有两个预测的边界框，注意有些边界框可以超出所在格子的高度和宽度。
接下来你抛弃概率低的预测。
最后假如你有三个对象检测类别，行人，摩托，汽车，那么你要做的是对于每个类别，单独运行非最大值抑制，解决那个预测结果是哪个类别的边界框，用非最大值抑制来解决行人类别，再用非最大值抑制解决车子类别，而后对摩托车类实行非最大值抑制，运行三次来得到最终的预测结果。
所以算法的输出最后能够检测出图像中的所有的车子，所有的行人，这就是YOLO对象检测算法。
这实际上是最有效的图像检测算法之一，包含了整个计算机视觉对象检测领域文献中很多精妙的思路。
可选课：RPN 网络
假如阅读对象检测的文献，可能看到一组概念，所谓的候选区域，这在计算机视觉领域是非常有影响力的概念。
可选是由于用的不多，但是这个RPN 网络是非常有影响力的。
当你使用滑动搜索框或者者卷积网络算法时，算法有一个缺点就是：
它在没有任何对象的区域白费时间。
所以R-CNN算法被提出，意思是带区域的卷积网络，或者者说带区域的CNN，这个算法尝试选出少量区域，在这些区域上运行卷积网络分类器是没有意义的。所以不再针对每个滑动窗口跑检测算法，而是只选择少量窗口，在这些少数窗口上运行卷积网络分类器。
选出候选区域的方法是：
运行图像分割算法，分割出结果后，为了找出可能存在对象的区域，在分割的色块上跑分类器，所以这个细节就是所谓的分割算法。
你先找出所谓的2000个色块，而后在这2000个色块上放置边界框，而后运行分类器，这样需要解决的位置可能要少得多，可以减少卷积网络分类器的运行时间，比在图像的所有位置跑一遍分类器更快。
以上就是R-CNN和区域CNN的特色概念。
现在看来R-CNN算法的运行速度还是很慢的，所以有一系列的研究工作去改进这个算法。
基本的R-CNN算法是使用某种算法求出候选区域，而后对每个候选区跑一下分类器，每个区域会输出一个标签，并输出一个边界框，这样你即可以确定存在对象的区域得到一个准确的边界框。
澄清一下：
R-CNN算法不会直接信任输入的边界框，它也会输出一个边界框，bx，by，bh和bw，这样得到的边界框比较准确，比单纯使用图像分割算法给出的色块边界要好，你可以得到相当准确的边界框。
R-CNN算法的缺点是：太慢了
Fast-CNN：用卷积实现滑动窗口
最初的算法是逐一对区域分类，快速CNN则是用滑动窗口的一个卷积实现，这会明显提升CNN的速度。
事实证实：快速CNN算法的一个问题是：得到候选区域的聚类步骤依然十分缓慢。
另一个研究组提出了更快的CNN算法，使用的是卷积神经网络，而不是传统的分割算法来取得候选区域色块。
不过我认为大多数更快的R-CNN算法的实现还是比YOLO算法慢很多。
候选区域的概念在计算机视觉领域影响力相当大，所以需要理解，候选区域算法是一个有趣的想法，但是这个方法需要两步，首先要得到候选区域，而后再分类，相比之下，能够一步做完，相似于YOLO或者者你只看一次的算法，在我看来，是长远而言更有希望的方向。
