YOLO（目标检测算法）

定义

YOLO（You Only Look Once）是 Joseph Redmon 等人于 2015 年提出的单阶段目标检测算法，其核心思想是把目标检测转化为回归问题：将图像划分为网格，由单个神经网络一次性预测所有目标的边界框和类别概率。

原理

与 R-CNN 系列先生成候选区域再分类的两阶段流程不同，YOLO 端到端地在整幅图上推理，因此速度快、背景误检少。后续版本引入锚框、多尺度特征、更强的骨干网络与无锚框设计，精度不断提升。

发展

该系列经历了 v1 至 v3 的原作者阶段，此后由社区接力演进，衍生出多个分支版本，并被 Ultralytics 等团队工程化，成为工业界部署最广的检测方案之一。

应用

常用于安防监控、自动驾驶感知、工业质检、无人机巡检等需要实时性的场景。