一、前言

接著將要介紹YOLO各個版本更新的項目，隨著時間的推進，YOLO也從V1進步到現在V9甚至V10的版本，每個版本都有不同的演算法，因此在正式學習YOLO前，不妨可以先從版本的差異開始了解。

YOLO v1

是最早的版本。由Joseph Redmon等人於2016年提出。網路架構包括24個卷積層和2個全連接層，對於密集目標的辨識度較差。

YOLO v2

相較於v1在做了一些改進，以下列出幾點說明。

• Batch Normalization (BN)： 每層之間加入BN層，降低了gradient傳遞的難度。
• Dimension Clusters： 使用 K-mean來自動計算應有的another數量和長寬比。
  

圖片來源：YOLO v2 Paper

YOLO v3

引入了殘差網路模塊(ResNet)。

• Class Prediction： v3 改用 Sigmoid 取代 Softmax 來做分類的輸出。
• Darknet-53： 加入了 ResNet 的 residual 設計，提出新的 backbone 結構。

YOLO v3 Bounding Box encoding，σ 表示 sigmoid 函數，tx, ty, tw, th 是網路的原始預測值，bx, by, bw, bh 是輸出的 bbox。圖片來源：YOLO v3 Paper

接著明天會繼續介紹v3後的版本，感謝各位今天的觀看。