昨天介绍了YOLOv3发现大家对这一系列很感兴趣，从今天开始会连载YOLO，YOLOv3YOLOv3的相关内容，让大家更加清楚YOLO这一系列发展的过程今天先介绍YOLO。
YOLO是一个以实时处理为目标的物体檢测系统我们将在本文中介绍YOLO、YOLOv2和YOLO9000。对于那些只对YOLOv3感兴趣的人请转到文章底部。以下是YOLO网站提供的准确性和速度对比
我们从下面我們自己的测试图像开始。
使用YOLO进行物体检测：
为了便于讨论我们对原始照片进行了剪裁。YOLO将输入图像划分为
个网格每个网格单元仅预測
格单元格尝试预测中心(蓝点)位于网格单元格内的“person”对象。
每个网格单元预测固定数量的边界框在本例中，黄
格单元格预测两个边界框(蓝色框)来定位人员的位置
然而，一个网格只预测一个物体的规则限制了检测到的物体之间的距离因此，YOLO对物体之间的距离有一定的限制如下图所示，左下角有9个圣诞老人而YOLO只能检测到5个。
个边界框每个框有一个
对象，而不考虑边界框B的数量
让我们来了解更多的細节每个边界框包含5个元素：(
。置信度分数反映框中包含对象的可能性(
)以及边界框的准确性我们通过图像的宽度和高度对边界框的宽喥
是对应单元格的偏移量。因此
都在0和1之间。每个单元格有20个条件类概率条件类probability是检测到的物体属于特定类的概率(每个单元格的每个類别有一个概率)。所以YOLO的预测输出的尺寸为(S, S, B×5 + C) = (7、7、2×5 + 20) = (7、7、30)
