YOLO 算法
假設你要訓練一個算法去檢測三種對象，行人、汽車和摩托車，你還需要顯式指定完整的背景類別。這里有 3 個類別標簽，如果你要用兩個 anchor box，那么輸出 y 就是 3×3×2×8，其中 3×3 表示 3×3 個網格，2 是 anchor box 的數量，8 是向量維度，你可以將它看成是 3×3×2×8，或者 3×3×16。要構造訓練集，你需要遍歷 9 個格子，然后構成對應的目標向量y。
先看看第一個格子（編號 1），里面沒什么有價值的東西，行人、車子和摩托車，三個類別都沒有出現在左上格子中，所以對應那個格子目標 y 就是這樣的：
第一個 anchor box 的 pc 是 0，因為沒什么和第一個 anchor box 有關的，第二個 anchor box 的 pc也是 0。假設你的訓練集中，對於車子有這樣一個邊界框（編號 3），水平方向更長一點。所以如果這是你的 anchor box，這是 anchor box 1（編號 4），這是 anchor box 2（編號 5），然后紅框和 anchor box 2 的交並比更高，那么車子就和向量的下半部分相關，這里和 anchor box 1 有關的 pc是 0，剩下這些分量都是不關心，，然后你的第二個pc = 1，然后你要用這些（bx，by，bh，bw）來指定紅邊界框的位置，然后指定它的正確類別是 2(c1 = 0, c2 = 1, c3 = 0)，對吧，這是一輛汽車，這就是神經網絡做出預測的過程。
所以你這樣遍歷 9 個格子，遍歷 3×3 網格的所有位置，你會得到這樣一個向量，得到一個 16 維向量，所以最終輸出尺寸就是 3×3×16，然后你訓練一個卷積網絡，輸入是圖片，可能是 100×100×3，然后你的卷積網絡最后輸出尺寸是，在我們例子中是 3×3×16 或者3×3×2×8。最后你要運行一下這個非極大值抑制，如果你使用兩個 anchor box，那么對於 9 個格子中任何一個都會有兩個預測的邊界框，其中一個的概率pc很低。但 9 個格子中，每個都有兩個預測的邊界框，比如說我們得到的邊界框是是這樣的，注意有一些邊界框可以超出所在格子的高度和寬度，然后拋棄概率很低的預測。這就是 YOLO 對象檢測算法，這實際上是最有效的對象檢測算法之一。