YOLO目标检测：端到端实现目标检测和识别

YOLO 是一种卷积神经网络，可以实现端到端的目标检测和识别。它将目标检测问题转化为回归问题，通过一次性预测多个物体的位置和类别来达到这一目的。首先，输入图像被划分成 S×S 个网格，每个网格负责检测中心点在其中的物体。每个网格预测 B 个边界框和它们的置信度分数，以及 C 维的类别分数。最后，生成 S×S×（B×（5+C））维的特征图。其中，置信度分数由 P(Object) 和 IOU 组成，P(Object) 表示方框内包含物体的可能性，IOU 表示边界框包含物体的准确性。为了提高检测精度，YOLO 在检测阶段将预训练时的分辨率加倍，并直接使用整幅图进行检测，以编码全局信息并减少将背景检测为物体的错误。