【YOLO】YOLO系列网格划分机制详解

YOLO（You Only Look Once）的网格划分是其目标检测的核心设计之一，旨在将图像分割为多个区域，每个区域独立预测目标。该机制从YOLOv1的固定划分逐步演进为动态化、多尺度化，最终与注意力机制融合。以下分版本解析其核心原理及技术演进：

---

一、网格划分机制详解

​1. 网格划分基本原理

YOLO将输入图像划分为S×S的等分网格​（如7×7或13×13），每个网格独立预测其覆盖区域内的目标。

• ​核心逻辑：每个网格仅对中心点位于其内部的目标负责，通过局部特征提取和全局信息整合实现检测。
• ​责任分配：遵循单一责任原则​（Single Responsibility Principle），若目标的中心点落在某网格内，该网格需预测其位置、尺寸及类别，其他网格即使覆盖目标部分区域也不参与预测。
• ​输出结构：每个网格输出B个边界框​（Bounding Box）、1个置信度分数​（Confidence Score）及C个类别概率，