YOLO 简介
YOLO（You Only Look Once）由 Joseph Redmon 等人于 2015 年提出，重新定义了目标检测任务——将图像分割为 S×S 网格，每个网格负责预测固定数量的边界框和类别概率，一次推理即可输出所有检测结果。
核心思想
与两阶段检测器（如 Faster R-CNN）不同，YOLO 是单阶段检测器：输入图像经过一个统一的 CNN 直接输出边界框坐标、置信度和类别概率。这种端到端的设计使其在速度上碾压两阶段方法。
技术演进
YOLO 经历了多个版本的持续迭代：YOLOv1~v3（Joseph Redmon 主导）、YOLOv4（融合 Bag-of-Freebies）、YOLOv5（Ultralytics，PyTorch 生态，工业普及度最高）、YOLOv6（美团）、YOLOv7~v11（Ultralytics 持续更新）。
应用场景
自动驾驶、安防监控、工业质检、医学影像、遥感图像分析等。YOLO 的轻量变体可在手机和嵌入式设备上运行。