目标检测之YOLO算法：YOLOv1,YOLOv2,YOLOv3,TinyYOLO，YOLOv4,YOLOv5,YOLObile,YOLOF详解: https://zhuanlan.zhihu.com/p/136382095
1. 前言
本文对各部分增添了更加详细的解析，包括代码、损失函数以及实验结果等。YOLO系列是基于深度学习的回归方法。RCNN， Fast-RCNN，Faster-RCNN是基于深度学习的分类方法。
YOLO官网：https://link.zhihu.com/?target=https%3A//github.com/pjreddie/darknet
YOLO v.s Faster R-CNN:
1.统一网络:YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络.相对于R-CNN系列的"看两眼"(候选框提取与分类),YOLO只需要Look Once。
2.YOLO统一为一个回归问题，而R-CNN将检测结果分为两部分求解：物体类别（分类问题），物体位置即bounding box（回归问题）。
2. YOLOv1: You Only Look Once: Unified, Real-Time Object Detection
目标检测之YOLO v1算法: You Only Look Once: Unified, Real-Time Object Detection：https://zhuanlan.zhihu.com/p/362758477
3. YOLOv2 (YOLO9000: Better, Faster, Stronger)
目标检测之YOLOv2 算法-YOLO9000: Better, Faster, Stronger：https://zhuanlan.zhihu.com/p/362759621
4. YOLOv3: An Incremental Improvement
目标检测之YOLOv3算法: An Incremental Improvement：https://zhuanlan.zhihu.com/p/362761373
5. Tiny YOLOv3
目标检测之Tiny YOLOv3算法：https://zhuanlan.zhihu.com/p/362764138
6. YOLOv4: Optimal Speed and Accuracy of Object Detection
目标检测之YOLOv4算法: Optimal Speed and Accuracy of Object Detection：https://zhuanlan.zhihu.com/p/362764598
7. YOLOv5算法
目标检测之YOLOv5算法：https://zhuanlan.zhihu.com/p/362765525
8. YOLObile算法
YOLObile：面向移动设备的「实时目标检测」算法（AAAI 2021）：https://zhuanlan.zhihu.com/p/359251349
9. YOLOF算法
YOLOF：You Only Look One-level Feature（CVPR 2021）:https://zhuanlan.zhihu.com/p/359462538
增添目标检测数据集PASCAL VOC和COCO详细解析
- 目标检测数据集PASCAL VOC详解：https://zhuanlan.zhihu.com/p/362044555
- 目标检测数据集MSCOCO详解：https://zhuanlan.zhihu.com/p/362049720