YOLO是最快的狡计机视觉用具之一，由 Joseph Redmon 和 Ali Farhadi 于 2016 年修复，零散用于实时图像对象检测。它使用神经聚积将图像远隔为网格，然后同期展望每个网格，以普及识别恶果。现在也曾发布到 YOLOv8 版块，是一款前沿、开始进（SOTA）的模子，在各式对象检测与追踪、实例分割、图像分类和姿态臆测任务中线路出色。
一、系统先容
1. 中枢旨趣：
将方针检测视为回参谋题，平直在单个聚积结展望界限框和类别概率。也即是说，输入图像后，模子会一次性输出图像中统统检测到的方针的位置和类别信息，无需像传统方法那样分多个阶段进行处理。
将输入图像远隔为 $s\times s$ 的网格。要是一个物体的中心落在某个网格单位内，那么该网格单位就证实展望这个物体。每个网格单位会展望 $b$ 个界限框以及对应的置信度，置信度示意该界限框包含物体的概率以及展望的准确度。
2. 聚积架构：
由多个卷积层和池化层构成，这些层不错索求图像的特征。通过支配地对图像进行卷积和池化操作，模子或者稳固索求出不同档次的图像特征，从初级的边际、纹理特征到高等的语义特征。
经过卷积和池化操作后，通过全畅达层展望界限框的坐标、尺寸和类别概率等信息。全畅达层将前边索求到的特征进行整合和调遣，输出最终的检测收尾。
二、构成部分
1. 输入层：
图像预处理模块：证实对输入的图像进行预处理操作，举例将图像的尺寸休养为模子所条目的固定大小（如YOLOv5常用的640x640像素），以确保模子或者对不同的图像进行斡旋处理。这一设施不错普及模子的测验恶果和检测准确性，减少因图像尺寸不一致带来的狡计复杂性。
数据增强模块（可选）：为了加多测验数据的万般性，普及模子的泛化才智，输入层可能会包含数据增强模块。常见的数据增强操作包括就地剪辑、旋转、翻转、花式变换、添加噪声等。通过对原始图像进行这些变换，不错让模子学习到不同形态下的方针特征，从而更好地移交各式实质场景中的检测任务。
2. 主干聚积（Backbone）：
卷积层：这是主干聚积的主要构成部分，用于索求图像的特征。卷积层通过使用多个不同的卷积核在图像上进行滑动卷积操作，捕捉图像中的局部特征，如边际、纹理、花式等。跟着卷积层的支配堆叠，模子或者索求到越来越轮廓、高等的特征，这些特征关于方针的识别和定位相当要道。
池化层（可选）：池化层相似位于卷积层之后，用于镌汰特征图的分辨率，减少狡计量和参数数目。常见的池化操作有最大池化和平均池化。最大池化是登科池化窗口内的最大值行为输出，而平均池化是狡计池化窗口内的平均值行为输出。池化层不错在一定进程上保持特征的不变性，同期普及模子的鲁棒性。
激活函数：激活函数用于为神经聚积引入非线性特质，使得模子或者学习到复杂的函数干系。在YOLO中，常用的激活函数有ReLU（Rectified Linear Unit）、Leaky ReLU等。ReLU函数在输入为正数时，输出等于输入；在输入为负数时，输出为0。这种特质使得神经聚积或者快速管理，普及测验恶果。
3. 颈部聚积（Neck）：
特征和会模块：由于主干聚积输出的特征图可能包含不同档次的信息，颈部聚积的特征和会模块证实将这些不同档次的特征进行和会。举例，通过上采样、下采样、拼接等操作，将低分辨率的高层特征和高分辨率的低层特征进行组合，从而获取更丰富、更全面的特征示意。这么不错让模子更好地检测不同大小的方针，普及对小方针的检测才智。
旅途团聚模块：旅途团聚模块用于将不同旅途上的特征进行团聚，以增强特征的抒发才智。举例，YOLOv4中的旅途团聚模块不错将主干聚积的不同阶段输出的特征进行和会，使得模子或者更好地运用多步履信息，普及检测的准确性。
4. 检测头（Head）：
界限框展望模块：证据颈部聚积输出的特征，检测头的界限框展望模块证实展望方针的界限框。关于每个网格单位，模子会展望多个界限框，每个界限框包含中心坐标（x, y）、宽度（w）和高度（h）等信息。这些展望的界限框会与果真的方针界限框进行相比，狡计蚀本函数，以便在测验进程中支配休养模子的参数，普及界限框的展望准确性。
类别展望模块：该模块用于展望方针所属的类别。在每个网格单位中，模子会展望方针属于各个类别的概率。相似，模子会使用softmax函数将这些概率进行归一化，使得每个网格单位展望的类别概率之和为1。最终，模子会选拔概率最高的类别行为方针的展望类别。
置信度展望模块：置信度展望模块用于评估展望的界限框中是否包含方针以及方针位置的准确性。置信度得分越高，示意模子对该界限框的展望越有信心。在测验进程中，模子会证据果真的方针标签和展望的界限框信息，狡计置信度的蚀本，从而休养模子的参数，普及置信度的展望准确性。
5. 蚀本函数：
定位蚀本：用于斟酌展望的界限框与果真的方针界限框之间的各异。常见的定位蚀本函数有均方格外（MSE）、交并比蚀本（IoU Loss）、广义交并比蚀本（GIoU Loss）、骰子蚀本（Dice Loss）等。这些蚀本函数不错证据展望的界限框和果真的界限框的位置、大小等信息，狡计出模子在定位方面的格外。
分类蚀本：用于斟酌展望的方针类别与果真的方针类别之间的各异。常用的分类蚀本函数有交叉熵蚀本（CrossEntropy Loss）、Focal Loss等。交叉熵蚀本函数不错证据展望的类别概率和果真的类别标签，狡计出模子在分类方面的格外。Focal Loss则是在交叉熵蚀本的基础上，对难分类的样本给以更高的权重，以普及模子对难分类样本的检测才智。
置信度蚀本：用于斟酌展望的置信度与果真的置信度之间的各异。相似，果真的置信度不错证据方针是否在网格单位中以及展望的界限框与果真的界限框的重迭进程来详情。置信度蚀本函数不错证据展望的置信度和果真的置信度，狡计出模子在置信度展望方面的格外。
三、优瑕疵
1.优点
速率快：只需要对图像进行一次前向传播即可得到检测收尾，或者已毕实时对象检测，这关于需要快速处理深广图像的应用场景相当紧迫，如视频监控、自动驾驶等。
准确率较高：尤其是后续支配纠正的版块，通过引入新的工夫和优化，准确率得到了进一步普及。举例YOLOv4、YOLOv5等版块在保持较高速率的同期，检测准确率也相当可不雅。
能默契高下文：在处理图像时会讨论统统这个词图像的高下文信息，而不单是是局部的信息，这使得它在处理一些需要默契高下文的复杂场景时具有上风。
易于已毕和测验：结构相对浅陋，是一个端到端的系统，测验进程相对容易。
2.瑕疵
对小对象检测性能较差：由于将图像远隔为固定大小的网格，何况每个网格只展望一定数目的界限框，是以在处理小对象或密集的对象时，可能会遗漏一些对象或无法准确地定位。
对相互重迭的对象处理欠安：每个网格展望的界限框数目有限，当一个网格中有多个重迭的对象时，可能无法准确地检测出统统对象。
误报率较高：在展望界限框时，可能会生成一些莫得对象的界限框，导致误报率相对较高。
对对象的时势和大小敏锐：主要依赖于预界说的一些界限框的时势和大小，在处理时势和大小变化较大的对象时，可能无法准确地展望界限框。
对畅通磨蹭和守密的处理欠安：主要依赖单个图像的信息来展望对象，是以在处理存在畅通磨蹭或守密的情况时，检测准确性会受到影响。
四、应用场景
1. 安防监控限制：不错快速识别异常举止或追踪特定方针，举例检测是否有东说念主员闯入禁区、识别可疑物品。
东说念主员与举止监测：不错实时检测监控画面中的东说念主员，识别是否有可疑东说念主员徜徉、翻墙、闯入禁区等异常举止，还能判断东说念主员是否指导安全帽、口罩等，保险东说念主员安全和场面的正常步骤。举例在建筑工地、工场车间、银行等场面的监控系统中应用，实时发现安全隐患。
失火与烟雾检测：或者快速识别监控画面中的明火、烟雾等异常情况，第一时间发出警报，为失火的早期预警和扑救争取难得时间，日常应用于阛阓、仓库、办公楼等东说念主员密集或物质集结的场面。
2. 交通限制：用于检测车辆、行东说念主、交通象征等，为自动驾驶系统提供可靠的视觉信息，匡助车辆实时感知周围环境。
车辆检测与识别：对说念路上的车辆进行实时检测、识别和追踪，包括车辆的类型、花式、品牌等信息，可用于交通流量监测、交通违法抓拍、泊车场措置等。举例在城市说念路的电子探员系统中，准确识别车辆的违规举止，如闯红灯、超速、逆行等。
交通象征和信号灯识别：补助自动驾驶系统或智能交通系统识别交通象征和信号灯，为车辆提供准确的交通讯息，匡助车辆作念出正确的驾驶有操办，普及交通安全性和通作歹果。
3. 工业自动化限制：
居品劣势检测：在出产线上对居品进行实时检测，识别居品名义的劣势、划痕、裂纹、变形等问题，确保居品性量。举例在电子制造、汽车制造、机械加工等行业，对零部件的外不雅质地进行检测，实时剔除不对格居品。
安装进程监测：监控居品的安装进程，确保零部件的正确安装和安装规定，普及出产恶果和居品性量。举例在电子居品的拼装进程中，检测零部件的安装位置和畅达情况，幸免出现安装诞妄。
机器东说念主视觉辅导：为机器东说念主提供视觉辅导，使机器东说念主或者准确地识别责任对象的位置、姿态和时势，已毕自主抓取、搬运、安装等操作，普及机器东说念主的智能化水和缓工罪人果。
4. 零卖限制：进行客流统计、商品识别等，匡助商家更好地了解主顾举止和商品销售情况。
主顾举止分析：通过对阛阓、超市等零卖场面的监控视频进行分析，了解主顾的举止模式、购物道路、停留时间等信息，为商家优化店铺布局、商品罗列、营销计谋提供数据撑持。
商品识别与库存措置：对货架上的商品进行识别和计数，实时掌执商品的库存情况，当库存不实时实时领导商家补货，普及库存措置的恶果和准确性。
5. 医疗限制：补助医师检测和会诊疾病，如在X射线、CT扫描等影像中识别肿瘤、骨折等异常情况。
医学影像分析：补助医师对X射线、CT、MRI等医学影像进行分析，自动检测和识别影像中的病灶、肿瘤、骨折等异常情况，普及会诊的准确性和恶果。举例在肺部CT影像中，检测是否存在肺结节、肺癌等病变。
手术补助：在手术进程中，为医师提供实时的视觉信息，匡助医师更好地了出恭术部位的结构和组织，提妙手术的安全性和告成率。举例在微创手术中，通过录像头和YOLO算法，实时高傲手术器械和组织的位置干系。
6. 无东说念主机限制：
空中方针检测：无东说念主机搭载YOLO算法，不错在空中对大地的方针进行检测和识别，如建筑物、说念路、车辆、行东说念主等，用于航拍、测绘、巡检等任务。举例在电力巡检中，无东说念主机不错检测电力袒露上的故障和隐患。
自主导航与避障：匡助无东说念主机已毕自主导航和避障，通过识别前列的拦截物和地形，贪图遨游旅途，幸免碰撞，普及无东说念主机的遨游安全性和可靠性。
7. 体育限制：
畅通员动作分析：对畅通员的测验和比赛进程进行视频分析，识别畅通员的动作姿势、畅通轨迹、速率等信息，匡助老师和畅通员纠正测验方法，普及竞技水平。举例在田径、拍浮、体操等方式中，分析畅通员的动作工夫，找出存在的问题和纠正的目的。
比赛裁判补助：在一些体育比赛中，如足球、篮球、排球等，YOLO算法不错补助裁判对比赛中的要道事件进行判断，如球是否出界、球员是否犯规等，普及裁判的判罚准确性和公道性。
8. 农业限制：
病虫害检测：对农作物的叶片、果实等进行图像分析，检测是否存在病虫害，实时发现病虫害的发生和传播，为农民提供防治提出，减少病虫害对农作物的危害。
农作物滋长监测：监测农作物的滋长情况，包括植株的高度、密度、叶面积等信息，评估农作物的滋长情状和产量，为农业出产措置提供有操办依据。