如果直接用得到的预测值与真实值的差去计算平均误差，可能最后得到的平均误差刚好是0，与真实情况不符，所以引入了回归算法模型。卷积核的通道数跟输入特征图的通道数一定相同，最后输出特征图的通道数为1。步幅和填充操作，都可以控制输出图的大小。计算经过池化层后输出特征图的大小，计算公式与卷积层公式一样，其中FH为感受野。在有监督学习的条件下，每输入一个x，都会得到一个label，即真实值。同时，与卷积层不同

正例P：需要关注的类别反例N：初正例以外都为反例TP（True positives）：实际为正例，且被分类器划分为正例的实例数；FP（False positives）：实际为负例，但被分类器划分为正例的实例数；FN（False negatives）：实际为正例，但被分类器划分为负例的实例数；TN（True negatives）：实际为负例，但被分类器划分为负例的实例数；准确率：精确率（查准率）：找

YOLOv2（YOLO9000），预测更准确，速度更快，识别物体更多优点：1.缓解YOLOv1中定位不准确和检测召回率较低的问题缺点：1.小目标检测效果较差2.整体检测效果有待提高。

本课程用的是YOLOv3的9.6版本。

本课程用的是YOLOv3的9.6版本。