YOLO 是一种快速紧凑的开源对象检测模型，与其它网络相比，同等尺寸下性能更强，并且具有很不错的稳定性，是第一个可以预测对象的类别和边界框的端对端神经网络。YOLO 家族一直有着旺盛的生命力，从YOLO V1一直到”V5“，凭借着不断的创新和完善，一直被计算机视觉工程师作为对象检测的首选框架之一。
YOLO v5 模型的头部与之前的 YOLO V3 和 V4 版本相同。
- 它比 YOLOv4 小 88%（27 MB vs 244 MB）
- 它比 YOLOv4 快 180%（140 FPS vs 50 FPS）
- 它在同一任务上大致与 YOLOv4 一样准确（0.895 mAP vs 0.892 mAP）
其性能与YOLO V4不相伯仲，是现今最先进的对象检测技术之一，并在推理速度上是目前最强。 为了让大家对计算机视觉中的这一要领学习的更好，给大家推荐一门【图像目标检测训练营】，由人工智能实战专家的唐宇迪博士带你从深度学习到YOLO系列版本分析与应用。
下面是本次课程的内容节选，唐老师将会分享从基础神经网络开始，逐步过渡YOLO的整个发展历程。掌握算法的底层逻辑，你才能更好的构建上层建筑。
内容仅截选部分，在【图像目标检测训练营】中 , 将帮助同学们快速掌握AI领域两大核心模块：检测与分割，并基于真实数据集进行项目实战。
