方法：将图像划分为网格，在每个网格中预测物体边框
YOLO，因为最后采用的是全连接层，每个物体边框的预测都已整张图的特征为输入，换言之当我们在判断一个位置上是否有物体，以及这个物体的大小和位置时，都是看了整张图上的所有特征，这个好处就在于我有足够多的上下文信息能够辅助判断，因此YOLO在检测中有一个很大的优势-->在背景上的误检会非常少，下图红色可以看到Fast R-CNN在背景上的误检为13.6%，YOLO只有4.75%
YOLO速度和精度
速度快，精度慢
7*7的网格划分是比较粗糙的，当物体过小的时候，很可能就检测不到，且最多只能检测49个物体，所以对密集排布的物体也存在问题，比如数量超过了49，或者多个物体在一个网格内；同时检测框的准确性也是一个问题，可以关注一下下图中的蓝色的区域，该区域表示的是，检测出了一个物体，但该物体的框非常的不准，所以只能认为是误检。
