比较YOLO、SSD、faster-rcnn

YOLO、SSD和Faster R-CNN都是目标检测算法，但它们在设计思想和性能表现上有所不同。

YOLO（You Only Look Once）算法是一种单阶段的目标检测算法，它将整张图片分成网格，并且每个网格预测出固定数量的边界框和类别，然后通过非极大值抑制来消除冗余的边界框。YOLO算法具有检测速度快的特点，但在小物体的检测和定位精度方面相对较弱。

SSD（Single Shot MultiBox Detector）算法也是一种单阶段的目标检测算法，它通过在多个特征图上检测不同大小和宽高比的边界框，来提升检测效果。SSD算法具有检测速度快、小物体检测能力强的特点，但相对于Faster R-CNN算法，它在大物体的检测精度稍逊一些。

Faster R-CNN算法是一种两阶段的目标检测算法，它通过一个Region Proposal Network（RPN）来提取候选框，并通过RoI Pooling层来提取特征，最后通过分类器和回归器来预测边界框和类别。Faster R-CNN算法具有较高的检测精度，但相对于YOLO和SSD算法，它的检测速度较慢。

总体而言，三种算法各有优劣，具体选择哪一种算法要根据具体的应用场景和要求来决定。