【23年首发】YOLO最新面试必备算法

物体检测作为计算机视觉领域的热门方向，在学术界和工业界可谓是遍地开花，而Yolo系列则可以称为该方向的经典算法，从YoloV1到YoloV7的更新迭代，Yolo算法给我们带来了很多的惊喜和灵感。面试人工智能岗位，Yolo模型的出镜率也是非常的高，今天我们就来捋一捋Yolo那些值得关注的改进点。

资料已经整理好了，文末附下载方式！以下是详细内容介绍～

YoloV1以单阶段端到端的模型让人眼前一亮，检测问题转换成回归问题，预测速度可达到实时要求。模型采用grid cell的网格负责制，每个网格预测两个候选框，再结合置信度、NMS策略得到最终输出结果，损失函数分为四部分。

存在的问题主要有两方面：

一是：每个cell只预测一个类别，如果目标重叠则会漏检；

二是：由于boundingbox的限制，对小目标或是新的宽高比的目标检测效果较差。

YoloV2在V1基础上做了很多改进：

（1）采用Darknet-19作为新的骨干网络，小卷积核节省参数；