yolo系列发展

YOLO（You Only Look Once）系列是目标检测领域最具影响力的算法之一，以其速度快、精度高、端到端训练的特点著称。以下是YOLO系列的主要发展历程及其核心改进：

1. YOLOv1 (2016)

• 核心思想：将目标检测视为单阶段回归问题，直接预测边界框和类别。

• 特点：

  • 输入图像划分为 S×SS×S 网格，每个网格预测 BB 个边界框和置信度。

  • 速度快（45 FPS），但定位精度较低，对小目标检测效果差。

• 局限：

  • 每个网格仅预测一个类别，对密集目标效果不佳。

  • 边界框预测不够灵活。

2. YOLOv2 (YOLO9000, 2017)

• 改进点：

  • Batch Normalization：提升模型收敛速度和稳定性。

    <