YOLO 论文笔记

YOLO：You Only Look Once: Unified, Real-Time Object Detection

摘要

YOLO 将目标检测任务视为边界框回归与分类的结合问题。在实际预测过程中，所有边界框的预测以及类别判断均由同一网络架构完成。

YOLO 拥有极其高效的检测速度，能够在每秒内处理高达45张图像（基于Titan X设备）。而 Fast YOLO 作为其优化版本，体积更小，处理能力更强，每秒可达到155张图像的处理速度。

代码：http://pjreddie.com/yolo/

1. 简介

R-CNN 首先对图像进行处理，生成大量可能存在的边界框，随后在这些边界框上执行分类操作。在完成分类之后，会采用后处理步骤对边界框进行调整，去除重复的检测结果，并依据场景中其他物体的信息对边界框进行重新评分。整个检测流程较为缓慢且难以优化，因为每个组件都需要独立训练。

YOLO 将目标检测视为一个回归任务，直接通过图像像素计算出边界框以及对应的类别概率。

下图是YOLO的架构图：

![这里写图片描述](https://ad.itadn.com/c/weblog/blog-img/images/2025-05-31/fQEMXlUydAHkjYWzSuVqrmBwR