YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5的发展（1）

YOLO深度卷积神经网络已经经过原作者Joseph Redmon经过了3代4个经典版本（含YOLOv2和YOLO9000），后因为自己的研究成果被用于军事而道德不安，故放弃更新。
俄罗斯的AlexeyAB接下接力棒，完成了第4版迭代YOLOV4，并获得了Joseph官方认可。
现在，美国公司Ultralytics提出了YOLOV5，并保持持续更新。
需要注意的是，yolov1-v4都是有论文的，而v5并没有论文，只有开源的代码，而且一直保持更新状态。

发展历程
2016.5.9 yolov1
2016.12.25 yolov2
2018.4.8 yolov3
2020.4.23 yolov4
2020.6.10 yolov5

YOLOV1

yolov1作为yolo系列的开山之作，提出的创新思想主要是，不再提前选定候选区，直接在输出层回归目标框的位置和类别。

网络模型

前面的卷基层提取特征，后面的全连接层用于计算输出概率和坐标。

输入图像都需要统一到448×448个像素的RGB三通道的图像上，利用填充拉伸的方法。
第一层：使用分辨率为7×7×64卷积核（步长为2），将448×448×3的图像先变为224×224×64图像；再使用分辨率为2×2（步长为2）的最大池化层，将图像变为112×112×64的图像。
第二层：