YOLO算法全家桶（YOLOV1~YOLOV12）

第一章 前言 

1.1、 核心思想 

YOLO系列的核心思想就是把目标检测转变为一个回归问题，利用整张图片作为网络的输入，通过神经网络，得到边界框的位置及其所属的类别。这是和RCNN系列的本质区别。 

1.2、 架构组成

YOLOV1至YOLOV10是目标检测领域的一系列算法，它们的主要组成部分包括Input（输入）、Backbone（骨干网络）、Neck（颈部网络）和Head（头部网络）。这些组件在目标检测模型中各自扮演着重要的角色。

以下是对这些组件作用的详细解释：

Input（输入）

• 作用：Input是目标检测模型的起始点，负责接收和处理原始图像数据。在训练阶段，Input通常包括resize（调整图像大小）、数据增强（如翻转、旋转、裁剪等）等操作，以提高模型的泛化能力。在测试阶段，则主要进行resize操作，确保输入图像符合模型的要求。<