YOLO 目标检测算法

YOLO（You Only Look Once）是一种实时目标检测算法，由 Joseph Redmon等人于2016年首次提出。它的核心思想是在一次前向传播中同时预测出图像中的所有物体及其位置和类别，因此得名"You Only Look Once"，即只需要看一次就能完成检测。

YOLO的设计特点包括：
1. **单一预测**：YOLO将整个图片划分为网格单元，并对每个单元进行预测，这减少了计算量并实现了快速检测。
2. **全卷积网络（FCN）**：YOLO使用全卷积层替代传统的滑动窗口方法，避免了特征图尺寸缩小导致的位置信息丢失。
3. **Anchor boxes**：为了适应不同大小的目标，YOLO引入锚框（anchor boxes），每个网格单元对应多个预设大小和比例的框，用于更准确地定位目标。
4. **损失函数**：YOLO使用了一个混合的损失函数，结合了边界框IoU误差和类别概率的损失，使得模型既能精确定位又能识别目标。

YOLO的优点在于速度较快，适合实时应用，但早期版本对于复杂场景下小目标的检测效果相对较差。后续版本如YOLOv2、YOLOv3和YOLOv4通过改进网络结构、增加训练数据等方式提高了性能，尤其是对于小目标的检测能力有所增强。