YOLO - You only look once

《YOLO: You Only Look Once》是一篇由Joseph Redmon等人于2016年发布的计算机视觉领域的论文。该论文提出了一种名为YOLO的目标检测算法，即"You Only Look Once"，它是一种实时目标检测的方法。

原始论文

You Only Look Once: Unified, Real-Time Object Detection (opens new window)

图1：YOLO检测系统。使用YOLO处理图像是简单直接的。该系统（1）将输入图像缩放为448x448，（2）在图片上运行一个单一的卷积神经网络，（3）通过模型的置信度得到检测结果。

YOLO介绍

YOLO的主要思想是将目标检测问题转化为一个回归问题。传统的目标检测算法通常是两个阶段的流程：首先是候选区域生成（Region Proposal），然后是对候选区域进行分类和位置回归。相比之下，YOLO将整个检测过程作为一个单一的神经网络模型来解决。

YOLO的网络结构采用卷积神经网络，将输入图像划分为多个网格单元，每个单元负责预测图像中是否存在目标以及目标的位置和类别。每个单元预测多个边界框，并通过回归来调整这些边界框的位置。然后，利用置信度分数来评估每个边界框中包含目标的可信度。

YOLO在目标检测中的关键创新点是实现了端到端的实时检测，其速度非常快，并且保持了较高的准确性。与传统方法相比，YOLO不需要额外的候选区域生成步骤，从而减少了计算量和复杂性。此外，YOLO能够捕捉到不同尺度和不同类别的目标，使其在多目标检测场景下表现出色。

尽管YOLO具有许多优点，但它也存在一些局限性。例如，由于将图像分割为网格单元，YOLO可能会在小目标检测上表现较差。此外，它对于密集目标的处理也可能存在一些困难。