近几年来,目标检测算法取得了很大的突破.比较流行的算法可以分为两类,一类是基于Region Proposal的R-CNN系算法,
它们是two-stage的,需要先使用启发式方法（selective search）或者CNN网络（RPN）产生Region Proposal,然后再在
Region Proposal上做分类与回归.而另一类是Yolo,SSD这类one-stage算法,其仅仅使用一个CNN网络直接预测不同目标
的类别与位置.第一类方法是准确度高一些,但是速度慢,但是第二类算法是速度快,但是准确性要低一些.Yolo算法的全称
是You Only Look Once: Unified, Real-Time Object Detection,其实个人觉得这个题目取得非常好,基本上把Yolo算法的
特点概括全了:You Only Look Once说的是只需要一次CNN运算,Unified指的是这是一个统一的框架,提供end-to-end的
预测,而Real-Time体现是Yolo算法速度快.这里我们谈的是Yolo-v1版本算法,其性能是差于后来的SSD算法的,但是Yolo后
来也继续进行改进,产生了Yolo9000算法.