YOLO 目标检测算法全解析：原理、分类与性能指标

原创于 2025-10-11 20:06:34 发布 · 957 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #YOLO #目标检测

一、YOLO 系列概述

YOLO（You Only Look Once）是由 Joseph Redmon 等人于 2016 年提出的基于深度学习的目标检测算法。它的核心思想是将目标检测问题转化为回归问题，通过一个神经网络直接预测目标的类别和位置。

YOLO 算法把输入图像分成 S*S 个网格，每个网格负责预测该网格内是否存在目标，以及目标的类别和位置信息。而且，YOLO 还采用多尺度特征融合技术，能在不同尺度下检测目标。

和传统目标检测算法（像 R - CNN、Fast R - CNN、Faster R - CNN 等）相比，YOLO 凭借端到端训练方式和单阶段检测特性，可同时处理分类与定位任务，避免了传统方法的多阶段处理过程，所以检测速度更快、准确率更高，广泛应用于实时目标检测和自动驾驶等领域。

经典目标检测方法分为 one - stage（如 YOLO 系列）和 two - stage（如 Faster - rcnn、mask - Rcnn 系列）。

二、one - stage 与 two - stage 优缺点

（一）one - stage

优点：识别速度非常快，适合实时检测任务。像在一些对检测速度要求极高的场景，比如视频监控实时分析，one - stage 算法能快速响应。
缺点：正确率相对较低。

这里引入两个衡量算法效率的关键指标：

FLOPs：表示模型进行一次前向传播（处理一张图像）所需的浮点运算次数，和模型计算量、推断速度密切相关。
FPS：每秒可以处理的图像数量。从给出的模型数据看，Tiny YOLO 每秒能处理 200 张图像，充分体现了其速度优势。

（二）two - stage

优点：正确率比较高，识别效果理想。对于一些对检测精度要求严格的场景，如医疗影像中细微病灶的检测，two - stage 算法能更精准地识别。
缺点：识别速度比较慢，通常只有 5FPS 左右。

两阶段目标检测器先通过类似 Selective Search 或 EdgeBoxes 等区域提名算法生成候选框，每个候选框经 CNN 模型特征提取后，用分类器过滤，保留与目标物体更相似的候选框；然后在保留的候选框上，用另一个 CNN 模型或类似 SVM 的分类器进行精细分类和回归，预测物体的类别、位置和大小等。代表性的两阶段目标检测算法有 R - CNN 系列及其改进版本 Fast R - CNN、Faster R - CNN、Mask R - CNN 等。

三、YOLO 系列关键指标

（一）mAP 指标

mAP（Mean Average Precision）是目标检测中衡量算法性能的重要指标。要理解 mAP，先得清楚精确率（Precision）和召回率（Recall），以及混淆矩阵中的几个概念：

TP（True Positive）：真正例，即实际为正类且被正确预测为正类的样本数。
TN（True Negative）：真负例，实际为负类且被正确预测为负类的样本数。
FP（False Positive）：假正例，实际为负类却被错误预测为正类的样本数。
FN（False Negative）：假负例，实际为正类却被错误预测为负类的样本数。

精确率公式：\(Precision = \frac{TP}{TP + FP}\)，表示预测为正类的样本中实际为正类的比例。

召回率公式：\(Recall = \frac{TP}{TP + FN}\)，表示实际为正类的样本中被正确预测为正类的比例。

（二）IOU（Intersection over Union）

IOU 是预测框和真实框面积的交集与并集的比值，公式为 \(IoU = \frac{S_{Ground Truth} \cap S_{Prior box}}{S_{Ground Truth} \cup S_{Prior box}}\)。一般认为只有 \(IoU>0.5\) 的预测框（Prior box）才有价值，它能衡量预测框与真实框的重叠程度，是判断检测结果是否准确的重要依据。