本文中将简单总结YOLO的发展历史，YOLO是计算机视觉领域中著名的模型之一，与其他的分类方法，例如R-CNN不同，R-CNN将检测结果分为两部分求解：物体类别（分类问题），物体位置即bounding box（回归问题）不同，YOLO将任务统一为一个回归问题。也就是相对于R-CNN系列的"看两眼"(候选框提取与分类),YOLO只需要 You Only Look Once。
目标检测
我们人类只需要看一眼图像就能知道图像里面包含了那些物体，能够知道这些物体在哪里，以及他们之间的相互关系。这是人类进行目标检测的过程，但是当谈到人工智能计算机视觉中的视频和图像分析时，目标检测是一个有趣和不断发展的主题，它从图像和视频中提供有意义和有价值的信息，可以为医疗保健、产品优化、人脸识别、自动驾驶，卫星图像分析等不同领域提供巨大的帮助。检测一个对象并从图像中获得高层次的语义或理解将通过3个步骤：
1、分类:这是一个有监督的学习任务，它将训练一个模型，如支持向量机(SVM)， AdaBoost来理解一个对象是否在图像中
2、定位:通过边界框来区分对象图像，显示对象是否在图像中(分类)
3、检测:精确检测物体所在的位置(物体定位)和它们所属的组(物体分类)的过程。
下图显示了目标检测模型的结构。像人工智能中的所有算法一样，它从输入层开始（输入一个图像），目标检测的两个主要部分是Backbone和Head。Backbone的作用是提取特征，提供输入的特征映射表示，一般都会使用ImageNet上的预训练模型。Head基于特征进行训练，预测图像中物体的类别及其边界框。
在两阶段目标检测模型中， Faster R-CNN (Region-based Convolutional Neural Networks)，使用区域建议网络在第一阶段和第二阶段生成和选择感兴趣区域，并将区域建议向下发送并使用卷积神经网络进行目标分类和边界框回归。两阶段检测器模型具有最高的准确率，但通常较慢，因为必须对每个选定区域进行预测。因此很难将其用作实时对象检测器。
单阶段目标检测器，本文的YOLO（You Only Look Once），通过创建输入图像的特征图、学习类别概率和整个图像的边界框坐标，将目标识别视为一个简单的回归问题。算法只运行一次。这样的模型虽然准确率稍微有所下降，但比两阶段目标检测器快得多，通常用于实时目标检测任务。
完整文章
https://avoid.overfit.cn/post/4f3ce7e0e30947659f59a8ca4d3a2f7b
标签：进化史,检测,物体,YOLO,目标,算法,图像,CNN From： https://www.cnblogs.com/deephub/p/16715032.html