2020

yolov1算法发布后，引起了大众的强烈反应，有许多研究员将该算法与Fast Rcnn做了比较，yolov1在目标定位上出现了较多的偏差，同时有着较低的召回率。于是作者在几乎同年的时间段里就推出了yolov2以及用于超多类别检测的yolo9000，这算法的迭代速度令人一脸茫然（是真滴NB）。 ...

目标检测模型有单阶和二阶的区分，二阶中以Faster Rcnn为代表，对于单阶模型，除了SSD之外，我们还有YoLo这一个主流模型。 简介 Yolo将目标检测问题转为边界框和类概率的回归问题，它通过一个卷积网络来同时处理多个边界框的预测以及这些框的类概率，所以这个模型的运行速度十分的快，但在精度方面的话会有点损失，毕竟没了像Faster RCnn那样的候选框生成过程。其次，Yolo模型有着更低的背景误识率和很好的泛化特性，作者甚至在抽象画作里进行了目标检测，效果海星:) ...