YOLO (You Only Look Once) é um algoritmo de detecção de alvo proposto por Joseph Redmon et al. em 2015. Sua ideia principal é tratar a tarefa de detecção de alvo como um problema de regressão e prever a posição e a categoria do alvo simultaneamente em uma rede neural.
Desde o primeiro lançamento do YOLO em 2015, a série YOLO passou por muitas atualizações e melhorias. A seguir está o histórico de desenvolvimento da série YOLO:
YOLO v1: Em 2015, Joseph Redmon et al propuseram o YOLO pela primeira vez. O YOLO v1 usa uma única rede neural convolucional que divide a imagem de entrada em grades e prevê a classe e a localização dos objetos em cada grade.
YOLO v2: Em 2016, foi lançado o YOLO v2, que adotou algumas estratégias de melhoria, incluindo o uso de estrutura de rede mais profunda, imagem de entrada de maior resolução, normalização de lote e outras tecnologias para melhorar a precisão e a velocidade da detecção.
YOLO v3: Em 2018, o YOLO v3 foi lançado. Ele adota uma estrutura de rede mais profunda e uma estratégia de detecção multiescala, que pode detectar alvos de diferentes escalas, e sua precisão e velocidade são melhores que o YOLO v2.
YOLO v4: Em 2020, o YOLO v4 será lançado. Ele usa mais tecnologias, incluindo SPP (Spatial Pyramid Pooling), CSP (Cross Stage Partial Network), Mosaic Data Augmentation, Drop Block, etc., que podem melhorar ainda mais a precisão da detecção e velocidade.
YOLO v5: Em 2020, é lançado o YOLO v5, que usa uma estrutura de rede leve e uma nova estratégia de treinamento para obter detecção de alvo de alta precisão em uma velocidade mais rápida.
Em geral, a série de algoritmos YOLO continua a se desenvolver, melhorando continuamente a precisão e a velocidade da detecção de alvos e tornando-se um dos algoritmos de detecção de alvos mais amplamente utilizados.