最後的這幾篇文章想要來介紹一下yolo，主要是用deep learning來做物件偵測（object detection)。

YOLO其中一個特點是他是one stage method(region-free)，全稱是“you only look once”，也就是一次處理物件的位置與類別分辨;另一種方式為two stage method(region-free)，方法是先偵測照片中的物體位置，裁剪之後再放入分類器判斷是什麼物體。

YOLO的主要原理是切割照片成S＊S的窗格(grid)，每個grid都會偵測出B個框框（bounding boxs）來定義物體的位置，bounding boxs的資訊包含：（x,y）中心座標,w 寬度,h 高度, conference 物體在框框里的把握度，公式如下圖：

所謂的Pr(object)是窗格內是否有物體的機率，如果有就是1，沒有則是0，IOU則是intersection over union，也就是計算bounding boxs和物體實際位置的交集/聯集比。

另外每個窗格(grid)也會預測物體類別，用one-hot encoding來表示，明天再來細講相關的損失函數還有架構。

[reference]
https://www.youtube.com/watch?v=sq_OfIhb5Oc