YOLO三部曲：实时检测的"速度与激情"

原文地址: https://zhuzhulang.github.io/blog/posts/unfolding-the-evolution-of-yolo-series-in-object-detection

从YOLOv1的初露锋芒，到v2的锚框革命，再到v3的多尺度王者归来。短短三代，它们以每秒30帧的实时性能，将检测精度从63%推至54.3% mAP，用代码上演了一场AI版的"速度与激情"。这场技术狂飙如何改变计算机视觉？答案藏在Darknet的残差连接与特征金字塔中！
从网络架构的迭代中,一步一步看YOLO系列是如何改进并在工业中被广泛应用的。更多内容可以查看原文。
而关于YOLOv3的代码详尽解读,可以参考原文https://zhuzhulang.github.io/blog/posts/in-depth-code-explaination-of-yolov3,从源码入手讲解整个过程,会发现其实YOLO的目标检测是非常简单的事情。
关于YOLO数据集的格式,可以参考。可以用于自定义标注的数据集,想通过YOLO进行训练的情况。