YOLO
YOLO（You Only Look Once）是一种用于实时物体检测的算法，由Joseph Redmon等人提出。它能够同时进行物体分类和定位，并且因其速度和效率而广受赞誉。
工作原理
假设我们要对这张猫的图片完成目标检测，需要框选出其位置，我们需要得到的内容为目标框左上角的坐标和右下角的坐标，这样就可以完成唯一确定这个框，这个过程相当于是回归得到坐标结果的过程。
YOLO的名字You Only Look Once意为只看一次就好，one-stage特性意味着它将物体检测任务视为一个单一的回归问题，直接从图像像素到边界框坐标和类概率的映射。one-stage是相对于Faster-RCNN等two-stage类型的目标检测算法而言，只需要进行一次神经网络的传播即可完成整个过程，运行效率更高，适合做实时检测任务（针对视频），但相对而言，YOLO的准确率不会比two-stage类型的模型高。
检测指标
map：综合衡量精度和召回率，
IOU（Interception Of Union）： 交集/并集，真实值和预测值的交并集，IOU越高越好
设定一个置信度阈值，利用这个值对预测的结果框计算其精准度和召回率，利用其构建不同阈值置信度的PR图，
对于每个类别，AP是通过计算该类别下Precision-Recall曲线下的面积得到的。Precision-Recall曲线展示了当调整分类阈值时，Precision和Recall的变化关系。AP值越高，表示模型对该类别的检测效果越好。
map就是上述PR图中面积，map的值最大值为1，越大越好
