一、YOLO算法介绍
人类视觉系统快速且精准，只需瞄一眼（You Only Look Once）即可识别图像中物品及其位置。作者用了You Only Look Once的首字母YOLO来表示其算法，相当有趣。YOLO为一种新的目标检测方法，该方法的特点是实现快速检测的同时还达到较高的准确率。作者将目标检测任务看作目标区域预测和类别预测的回归问题。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（end to end）的物品检测。同时，该方法检测速非常快，基础版可以达到45帧/s的实时检测；FastYOLO可以达到155帧/s。与当前最好系统相比，YOLO目标区域定位误差更大，但是背景预测的准确性优于当前最好的方法。
它可以检测20个Pascal对象类：人，鸟，猫，牛，狗，马，羊，飞机，自行车，船，巴士，汽车，摩托车，火车，瓶，椅子，餐桌，盆栽植物，沙发，电视/显示器
YOLO的网络结构:模型采用卷积网络来提取特征，然后使用全连接层来得到预测值。网络结构参考GooLeNet模型，包含24个卷积层和2个全连接层，如下图所示。对于卷积层，主要使用1x1卷积来做channle reduction，然后紧跟3x3卷积。对于卷积层和全连接层，采用Leaky ReLU激活函数：max(x,0.1x)。但是最后一层却采用线性激活函数。除了上面这个结构，算法原文还提出了一个轻量级版本Fast Yolo，其仅使用9个卷积层，并且卷积层中使用更少的卷积核。
二、YOLO算法的安装及基本使用
环境：ubuntu14.04-64位
第一步、环境准备。创建YOLO算法的一个目录，在该目录下：
1、安装git工具
apt-get install git2、安装bunzip2
apt-get install -y bzip23、安装gcc
//安装软件列表，因为gcc，g++一般是自带的，安装了软件列表就自然安装上gcc和g++了
sudo apt-get install build-essential//查看gcc版本
gcc --version//查看g++版本
g++ --version
第二步、下载安装包并编译
sudo git clone https://github.com/pjreddie/darknet cd darknet make
第三步、下载预训练的权重
//官网的版本更新到了yolov3，因此下载yolov3对应的权重文件
wget https://pjreddie.com/media/files/yolov3.weights
第四步、执行预测
./darknet detect cfg/yolov3.cfg yolov3.weights data/IU1.jpg ./darknet detect cfg/yolov3.cfg yolov3.weights data/IU2.jpg
三、YOLO算法执行结果
德鲁纳酒店IU姑娘的检测效果
目标检测图片IU1.jpg的结果：
目标检测图片IU2.jpg的结果：
四、参考链接
算法官网：https://pjreddie.com/darknet/yolo/
YOLO算法使用一：https://www.cnblogs.com/minsons/p/7905473.html
YOLO算法使用二：https://www.cnblogs.com/minsons/p/7905488.html
YOLO算法详解：https://blog.csdn.net/xiaohu2022/article/details/79211732
