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“，如今已经延续五代，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。 从职业发展来看：YOLO一直是应用很广的主流算法之一，也是月薪30K以上的工程师标配技能，更是技术和求职风向标。因此，搭建检测模型，并深刻理解后，你一定能在求职道路上越走越远。 那么，YOLO应该如何学习？如何吃透 YOLO 必备知识要点？如何把握检测类算法的设计思路？如何找到目标检测模型速度与精度的最优结合？在业务和面试中怎样脱颖而出？
其实，YOLO也不是很难学。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。
