YOLO V1解析

YOLO（You Only Look Once) 是可谓是第一个相对成功One-Stage物体检测，在2016年被提出，本着速度的优势一跃成为与RCNN系列并驾齐驱的物体检测框架。

YOLO V1指标：

YOLO V1 mAP和FPS对比：

YOLO V1的速度和准确率在2016年时还是很“稳”的，所以很多重速度的系统，会优先考虑YOLO。我们也可以发现，YOLO V1不仅速度快，准确率也没比Faster RCNN低太多。

Faster RCNN与YOLO V1简单对比：

这张截取自YOLO的论文，我们简单解释这张图，其中Correct指的是完完全全正确的；Loc指的是类别对了，但是IOU<0.5；Sim指的是类别相似，且IOU>0.1; Other指的是错了，且IOU>0.1; Background指的是背景类；

对比图中显示：在检测出的框中，Fast RCNN有更多的背景，所以YOLO V1的另一大优势是Fase Positive低（当然YOLO V1的Loc错的多，也暴露了它定位不准的缺陷）；

YOLO V1的泛化能力：

文中特意强调了YOLO V1的泛化能力很强，在美术画中，也可以正常工作：

总结如下，YOLO V1的三个优点：

1. 速度快（体现在很高的FPS）；

2.误检少（体现在，检出的物体实际是背景的比较少）；

3.泛化能力强（体现在可以检测美术画）；

YOLO V1的运行过