发展历程：
YOLOV1 (CVPR2016)->YOLOV2/YOLO9000 (CVPR2017)->YOLOV3 (2018)->YOLOV4 (2020)
->YOLOV5 (2020)->YOLOV6 (2021)->YOLOV7 (2022)
目标检测分为两类：一阶段和二阶段
一阶段也可叫做端到端，输入图片后直接输出检测框和种类（YOLO系列）；
二阶段先画出检测框，再进行分类（Fast-RCNN、Mask-RCNN、Faster-RCNN）。
对于VOC2012数据集，首先生成7x7个grid cell，每一个grid cell生成两个bounding box并赋予对应的置信度，
最后保留置信度最高的bounding box
共有20个类，每一个grid cell生成对应20个类的概率，选取最大概率并保留
Bounding Boxes：
将输入图像分成n块，这里是9个grid cell，利用图像分类和定位算法，逐一应用到每个格子中，每个格子指定一个标签y
y中各元素的含义：Pc：是否有物体；bx、by、bh、bw：如果有对象，输出格子的边界框；c1、c2、c3：对象的类别。
因为上面三个格子啥玩意没有，Pc=0，其他的不管
如果中间一个格子两边格子中车的部分区域，那么会对对象分配中心点，中心点落在哪里就属于哪个格子，而另一个格子中的区域将不会被识别
对于右边和左边格子：
最终的目标输出尺寸为3x3x8，每一个格子左上角为（0,0）右下角为（1,1），bx、by为中心点，bh、bw为高和宽，以上数值只能在[0,1]。
交并比
预测与标签的交集和并集之比
目标定位：
检测出对象位置，用检测框标出，判断对象在图片中的具体位置
非极大值抑制（NMS）
NMS可以保证对每个对象只检测一次，计算不同矩形框的交并比，并抑制概率小的矩形框，只能输出概率最大的预测结果。
Anchor box：
预先定义两个框
当图像中检测到有两个不同类别的对象重叠在一起时，只能选择一个输出，加入anchor box 后，会进行相应的匹配，同时输出两个。
YOLO算法
3x3表示9个网格、2代表两个anchor box、8代表向量中的类
左上角那个就是他
1.找到每个格子中的两个预测的边界框，bounding box可以超过格子的高度和宽度
2.去掉概率低的bounding boxs
3.对每个类别单独的运行非最大值抑制