YOLO算法：实时目标检测核心技术解析

一、核心原理与架构

1. 基本思想
   YOLO是一种单阶段目标检测算法，将检测任务转化为回归问题，通过单次前向传播同时预测边界框（Bounding Box）和类别概率。与传统的两阶段检测器（如Faster R-CNN）不同，YOLO无需生成区域提议（Region Proposal），因此速度更快。

2. 工作流程

   • 网格划分：输入图像被划分为 $ S \times S $ 网格（如YOLOv1的 $ 7 \times 7 $），每个网格负责检测中心点落在该区域内的物体。
   • 边界框预测：每个网格预测 $ B $ 个边界框（如YOLOv1的 $ B=2 $），每个框包含5个参数：中心坐标 $(x,y)$、宽高