上一篇所提到的影像辨識部分，有蠻多的檢測法，有傳統的目標檢測法:
SVM或是其他像是R-CNN、Fast-RCNN、 Faster R-CNN、Mask R-CNN、YOLO。
這邊我把YOLO這個演算法介紹一下。
YOLO( You Only Look Once)，我直接將英文翻譯過來，顧名思義就叫我只看了 一次，那和其他的差異在哪邊呢?就在名字的背後!在上一篇的時候有說道，我們要辨識物體必須利用框框的方式去分類然後依照物件的大小去做調整，那用這個演算法的話，變成我只需要看一次，使用一個模型便能辨別了，大大提升了效率。
而YOLO在訓練時，會將整張圖片一起看，這樣一來不會因為影像切成一小塊一小塊而導致將背景誤認為一個物件。但是有一些小缺點就是檢測率差了一點。
YOLO 的檢測步驟:

1. 首先當然是要將所需要使用的影像放入
2. 再將影像切成NxN的網格
3. 然後利用之前提過的圖像分類(利用框框出物件)和定位，便能預測所要的對象的bounding box 和其對應的類別的機率。
   現在YOLOv4應用在智慧城市交通問題，可以在路口即時偵測車輛和車流分析，甚至能控制燈號!
   參考資料:
   https://medium.com/cubo-ai/%E7%89%A9%E9%AB%94%E5%81%B5%E6%B8%AC-object-detection-740096ec4540
   https://medium.com/coding-like-coffee/%E7%89%A9%E4%BB%B6%E5%81%B5%E6%B8%AC-object-detection-902ee7ba758b
   https://kknews.cc/zh-tw/code/ror3xrv.html
   https://newsletter.sinica.edu.tw/%E5%85%A8%E7%90%83%E6%90%B6%E7%94%A8%E7%9A%84%E7%89%A9%E4%BB%B6%E5%81%B5%E6%B8%AC%E6%BC%94%E7%AE%97%E6%B3%95%E4%B8%8A%E7%B7%9A-%E6%9C%80%E7%A5%9E%E9%80%9F%E7%B2%BE%E6%BA%96-%E4%B8%80%E7%9C%BC/
   https://www.youtube.com/watch?v=-iq_0eUnQdc&t=171s