YOLO不同于RCNN系列分为region proposal和classification，YOLO是直接输出box位置和box所属的类别，整张图都是网络的输入，是个回归问题。YOLO的主要特点：速度快，能够达到实时的要求。在 Titan X 的 GPU 上 能够达到 45 帧每秒。使用全图作为 Context 信息，背景错误（把背景错认为物体）比较少。泛化能力强。在自然图像上训练好的结果在艺

目录目录第一步在caffeproto中添加LayerParameter相关参数第二步实现layer的cpphpp文件第三步测试原文链接在caffe中新建layer主要遵从一下几步：在caffe.proto中添加LayerParameter相关参数编写实现layer函数，包括hpp、cpp和cu文件有时需要在修改layer_factory调试由于项目需要，这里主要是把Faste

对一个二分类问题，实际取值只有正、负两例，而实际预测出来的结果也只会有0，1两种取值。如果一个实例是正类，且被预测为正类，就是真正类（True Positive）,如果是负类，被预测为正类，为假正类（False Positive），如果是负类被预测成负类。称为真负类（True Negative），正类被预测为负类称为假负类（False Negative）。如图所示：从列联表引入两个新名词。其