YOLO (You Only Look Once) es un algoritmo de detección de objetivos propuesto por Joseph Redmon et al. en 2015. Su idea principal es tratar la tarea de detección de objetivos como un problema de regresión y predecir la posición y la categoría del objetivo simultáneamente en una red neuronal.
Desde el primer lanzamiento de YOLO en 2015, la serie YOLO ha experimentado muchas actualizaciones y mejoras. El siguiente es el historial de desarrollo de la serie YOLO:
YOLO v1: En 2015, Joseph Redmon et al propusieron por primera vez YOLO. YOLO v1 utiliza una única red neuronal convolucional que divide la imagen de entrada en cuadrículas y predice la clase y la ubicación de los objetos en cada cuadrícula.
YOLO v2: en 2016, se lanzó YOLO v2. Adoptó algunas estrategias de mejora, incluido el uso de una estructura de red más profunda, una imagen de entrada de mayor resolución, la normalización por lotes y otras tecnologías para mejorar la precisión y la velocidad de detección.
YOLO v3: en 2018, se lanzó YOLO v3. Adopta una estructura de red más profunda y una estrategia de detección de múltiples escalas, que puede detectar objetivos de diferentes escalas, y su precisión y velocidad son mejores que las de YOLO v2.
YOLO v4: en 2020, se lanzará YOLO v4. Utiliza más tecnologías, incluidas SPP (Spatial Pyramid Pooling), CSP (Cross Stage Partial Network), Mosaic Data Augmentation, Drop Block, etc., que pueden mejorar aún más la precisión de detección y velocidad
YOLO v5: en 2020, se lanza YOLO v5, que utiliza una estructura de red liviana y una nueva estrategia de entrenamiento para lograr una detección de objetivos de alta precisión a una velocidad más rápida.
En general, la serie de algoritmos YOLO continúa desarrollándose, mejorando continuamente la precisión y la velocidad de detección de objetivos, y convirtiéndose en uno de los algoritmos de detección de objetivos más utilizados.