第36卷第1期2023年2月常州工学院学报JournalofChangzhouInstituteofTechnologyVol．36No．1Feb．2023doi:10．3969/j．issn．1671-0436．2023．01．004收稿日期:2022-05-09基金项目:安徽省科学技术厅科技重大专项项目(202103a05020033)作者简介:周晋伟(1997—)，男，安徽阜阳人，硕士研究生，主要研究方向为智能驾驶。通信作者:王建平(1970—)，男，甘肃天水人，博士，正高级工程师，tjqhd@163．com。YOLO物体检测算法研究综述周晋伟，王建平(安徽工程大学机械工程学院，安徽芜湖241000)摘要:在计算机视觉领域中，物体检测技术近年来备受关注。YOLO(youonlylookonce)是一种将物体检测概括为回归问题的检测算法，由于采用了端到端的训练和检测方法，保证了良好的速度与精度，近几年被成功地应用到众多领域。文章对YOLO系列算法的重要应用进行详细调研，并与已有物体检测算法进行对比，在此基础上总结了YOLO的特点，指出了YOLO算法未来的发展趋势。关键词:YOLO;物体检测与识别;神经网络中图分类号:TP391．41文献标志码:A文章编号:1671-0436(2023)01-0018-06ＲeviewofYOLOObjectDetectionAlgorithmsZHOUJinwei，WANGJianping(SchoolofMechanicalEngineering，AnhuiPolytechnicUniversity，Wuhu241000)Abstract:Inthefieldofcomputervision，theobjectdetectiontechnologyhasattractedmuchattentioninrecentyears．YOLO(youonlylookonce)isadetectionalgorithmthatsummarizesobjectdetectionasaregressionproblem．Ithasbeensuccessfullyappliedtomanydifferentfieldsinrecentyearsasitusesend-to-endtraininganddetectionmethodstoensuregoodspeedandaccuracy．TheimportantapplicationsofYOLOseriesalgorithmsareinvestigatedindetail，andarethencomparedwiththeexistingobjectdetectionalgo-rithms，basedonwhichthecharacteristicsofYOLOaresummarized，andthefuturedevelopmenttrendofYOLOalgorithmispointedout．Keywords:YOLO;objectdetectionandrecognition;neuralnetwork随着深度学习的不断发展，物体检测技术逐渐成为了研究热点，现如今在一定程度上机器可以代替传统的人工检测，在精度与速度方面甚至超越人工检测。在物体识别领域比较经典的算法有Ｒ-CNN［1］，该算法利用深度学习技术自动识别图像中的特征，从而对样本进行分类、预测、识别。计算机视觉和深度学习领域不断地发展和突破，在Ｒ-CNN之后又涌现了FastＲ-CNN［2］、FasterＲ-CNN...
