本文目录一览：
- 1、redmon是什么软件
- 2、yolo是什么
- 3、如何找对应句子
- 4、yolov用什么开发的?
- 5、YOLO系列目标检测算法发展史
redmon是什么软件
1、YOLO是一种流行的物体检测算法，全称为You Only Look Once。YOLO（You Only Look Once）是一种流行的物体检测算法，它被广泛应用于图像和视频处理领域。
yolo是什么
YOLO是美语新词，是YouOnlyLiveOnce的首字母缩略词，意为你只能活一次，应该活在当下，大胆去做。意是人应该享受人生，即使需要承担风险。就是鼓励人们不怕冒险，想做什么就做什么，享受人生，因为只会活一次。
YOLO是美语新词，是You Only Live Once的首字母缩略词，意为你只能活一次，应该活在当下，大胆去做。YOLO的寓意是人应该享受人生，即使需要承担风险。就是鼓励人们不怕冒险，想做什么就做什么，享受人生，因为只会活一次。
YOLO是一种流行的物体检测算法，全称为You Only Look Once。YOLO（You Only Look Once）是一种流行的物体检测算法，它被广泛应用于图像和视频处理领域。
如何找对应句子
1、使用代词：在前文提到某个名词后，可以使用代词来代替它，使句子更加简洁。例如：小明喜欢吃苹果。他每天都吃。这里的“他”就是一个照应句，代替了前文提到的“小明”。
2、一般是在首尾相互照应。找相互照应的句子就是先找出每段的中心句，然后在该中心句下寻找与之意思相同或相近，或者对它进行解释等等关系的句子。
3、先找到题目中的句子，再根据文章段落的结构，在此句的前面或后面找文中相应的句子。在一篇文章或一个段落中，前后有两次或两次以上写到某事物，或首尾呼应，或前后照应，就可根据这一点去找对应词或句子。
yolov用什么开发的?
1、YOLOv1采用的训练网络是GoogleNet，YOLOv2采用了新的分类网络Darknet-19作为基础网络，它使用了较多的3*3卷积核，并把1*1的卷积核置于3*3的卷积核之间，用来压缩特征，同时在每一次池化操作后把通道(Channels)数翻倍(借鉴VGG网络)。
2、用一个网络同时进行兴趣区域检测和分类，以YOLO（v1，v2，v3）和SSD为代表。Two-stage的方式面世比较早，由于需要将兴趣区域检测和分类分开进行，虽然精度比较高，但实时性比较差，不适合自动驾驶无人车辆感知等应用场景。
3、YOLOv1使用端到端的网络训练模型，速度快，但准确度相对低些，主要用于实时检测，例如视频目标检测。 由于YOLOv1是端到端进行训练，因此YOLOv1只有一条单一的网络分支。
4、YOLOv1使用ImageNet的图像分类样本采用224x224作为输入，来训练CNN卷积层。然后在训练对象检测时，检测用的图像样本采用更高分辨率的448x448的图像作为输入。但这样切换对模型性能有一定影响。
5、YOLOv1网络借鉴了GoogLeNet分类网络结构，包含24个卷积层和2个全连接层。不同的是，YOLO未使用inception module，而是使用1x1卷积层（此处1x1卷积层的存在是为了跨通道信息整合）+3x3卷积层简单替代。
YOLO系列目标检测算法发展史
从图中可以看出，Joseph Redmon于2015年提出YOLO算法是的单阶段目标检测算法的开山鼻祖，跟R.Girshick于2014年提出的RCNN系列两阶段目标算法一起引领基于深度学习的目标检测算法的发展。
其中，YOLO目标检测是一种突出且优秀的算法，其为“you only look once”的缩写，意为只需浏览一次即可识别出图中物体的类别与位置，且完美地平衡了检测速度和精度之间的关系。
第一次接触到yolo这个算法是通过吴恩达的教学视频了解到的，当时其实也算是第一次接触到目标检测算法。这里我们主要介绍下YOLO(You Only Look Once)。现在已经进化到了V3版本了。
YOLO是一种流行的物体检测算法，全称为You Only Look Once。YOLO（You Only Look Once）是一种流行的物体检测算法，它被广泛应用于图像和视频处理领域。
在卷积神经网络的加持下，目标检测任务在近些年里有了长足的发展。其应用十分广泛，比如在自动驾驶领域，目标检测用于无人车检测其他车辆、行人或者交通标志牌等物体。
