YOLO的全拼是You Only Look Once，顾名思义就是只看一次，把目标区域预测和目标类别预测合二为一，该方法采用单个神经网络直接预测物品边界和类别概率，实现端到端的物品检测。

Yolo v1

这是YOLO系列的第一篇，文章发表在CVPR2016上，论文链接:YOLOV1.

摘要指出了文章的主要创新之处：把分类问题转换为回归问题，使用一个卷积神经网络就可以直接预测物体的bounding box和类别概率。
算法的优点有很多：

  1. 速度快，Titan X: 45fps。加速版则能达到150fps。
  2. 基于全局信息检测而不是生成region proposal的方法，可以将背景误检率降低一半（把背景识别成物体）。
  3. 泛化能力较强，在艺术作品上有较好的结果。

Yolo v2

Yolo v3

Yolo v4

  1. 主干特征提取网络：DarkNet53 => CSPDarkNet53
  2. 特征金字塔：SPP，PANet
  3. 分类回归层：YOLOv3（未改变）
  4. 训练用到的小技巧：Mosaic数据增强、Label Smoothing平滑、CIOU、学习率余弦退火衰减
  5. 激活函数：使用Mish激活函数

参考：

12.YOLO系列算法详解1:YOLOV1