目标检测是计算机视觉领域的一大任务，大致分为一阶段目标检测与两阶段目标检测。其中一阶段目标检测模型以YOLO系列为代表。与RCNN算法不一样，是以不同方式处理对象检测。
YOLO算法的最大优点就是速度极快，每秒可处理45帧，也能够理解一般的对象表示。 从个人学习来看：优秀的计算机视觉工程师，目标检测的学习避免不了，而目标检测的核心就是YOLO。YOLO系列也一直在发展，对于它的学习迫在眉睫。 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。
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【深度学习缺陷检测实战】，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【深度学习缺陷检测实战训练营】中 , 将会结合源码与真实数据集展开项目实战，全方位读缺陷检测项目与科研流程。
