一、YOLO是什麼？

You Only Look Once(YOLO)，是近幾年十分熱門的演算法，最初由Joseph Redmon等人在2016年提出，目的是透過單次的前向傳播進行識別及定位圖片中多個物體，最大的特點是速度快，可以快速識別圖片中的目標，但對於定位某些小的物體上的精度不高。

優點：

• 速度快：能夠達到即時的要求
• 全局推理：使用整張圖片作為全局資訊，並非只考慮局部而已，提高了檢測的準確性。
  

圖片來源：ci - iDetection app https://www.iphoneness.com/iphone-apps/ai-object-detection-iphone-apps/

二、原理

1、卷積神經網路

YOLO的卷積架構來自於GoogleNet的模型，在YOLO v1的版本中使用了24個卷積層(convolutional layer)和2層全連結層(fully connected layer)，整體架構如下圖：

圖片來源： YOLO network structure
https://www.researchgate.net/figure/Network-structure-of-tiny-YOLO3-It-consists-of-13-convolution-layers-6-max-pooling_fig2_343411360

2、偵測物體的方式

簡單來說，YOLO在偵測物品的部分上就是將圖片拆成許多個網格，然後在網格進行2個bounding box的預測和屬於哪個類別的機率預測，最後用閥值和NMS的方式得到結果，如下圖。

圖片來源： YOLO Model. https://chih-sheng-huang821.medium.com/深度學習-物件偵測-you-only-look-once-yolo-4fb9cf49453c

參考網址：https://chih-sheng-huang821.medium.com/深度學習-物件偵測-you-only-look-once-yolo-4fb9cf49453c

3、YOLO在生活上的應用

YOLO的應用非常的廣泛，也已經普遍在生活當中，這邊筆者提幾個較為常見的例子作為舉例。

1. 無人駕駛技術：目前無人駕駛已經成為未來汽車的趨勢，YOLO在其中擔任的角色就是替代人類的眼睛，去辨識四周的物體，掌握路面上的各種狀況，來判斷要進行甚麼樣的動作。
2. 監控系統：可以利用YOLO去檢測關於人員或車輛的監控與追蹤，是否有可疑行為或物體，例如違規停車、非法入侵等。
3. 醫療影像分析：YOLO也被應用在分析醫學影像上，例如CT、X光等，可以幫助醫生更快的判定病變的區域或異常的組織。
4. 賣場實時商品監控：可以快速檢測商品數量及商品陳列狀況，可以提升營運效率。

YOLO系蝦米挖歌，希望各位看完後能對YOLO有了初步的認識，接著將會提到關於YOLO版本的更迭，每個版本都有不同更新的重點，且每個版本的作者都不同，因此想法也不同，弄得筆者頭也很痛???不廢話，下一篇將進入一系列的版本介紹，感謝各位今天的觀看。