当我们谈到计算机视觉的时候，最先想到的一定就是图像分类了，而要说其中比较实际，且极具挑战的那就是目标检测。这是因为，目标检测比分类任务更加的复杂。

yolo的resize操作 yolo的使用场景_算法

比如无人驾驶，就是在车上安装目标检测系统，就好比人的眼睛一样，可以准确的对障碍物做出判断。

 

01

实 时

如果要说实现目标检测的算法中那种好，我一定推荐你学YOLO。因为用YOLO处理图像更简单、更直接。

yolo的resize操作 yolo的使用场景_人工智能_02

YOLO是采用一个CNN网络来实现检测的，是一种单管道策略，训练和预测都是end-to-end，所以YOLO算法比较简洁且速度快，并且可以实现实时检测。

02

预 测

YOLO采用的是全图信息进行预测，对整个图片做卷积，与滑动窗口的方法不同，YOLO在训练和预测过程中可以利用全图信息，所以YOLO检测目标会有更大的视野，背景预测错误率低。

 

这主要还是因为YOLOv3算法结合了很多有用的trick，兼顾了速度和精度。

03

泛 化

另外，YOLO的泛化能力强，可以学习目标概括信息，具有一定的普适性，做迁移的时候，模型鲁棒性高，所以YOLO比其它目标检测方法（DPM和R-CNN）准确率高很多。

yolo的resize操作 yolo的使用场景_yolo的resize操作_03

但究其本质的话，YOLO仍然是回归算法，要想好好了解回归算法的特性，你需要知道YOLOv1的实现细节、Anchor 机制等等。说到这，我们知道，现在网上有很多类似教程，但质量参差不齐，也不是很系统。