你只看一次 是什麼？

YOLO：你只看一次 的完整解釋

YOLO (You Only Look Once) 是一種即時物件偵測演算法，它將物件偵測視為一個迴歸問題，直接從完整圖像預測邊界框和類別機率。

容易混淆

YOLO vs 兩階段物件偵測 兩階段方法先找候選區域再分類，YOLO 則是一次完成偵測和分類。

YOLO vs 圖像分類 圖像分類只回答「這張圖是什麼」，YOLO 還要回答「它在哪裡」。

YOLO vs 非極大值抑制 NMS 不是偵測模型本體，它是用來去掉重疊重複框的後處理。

最關鍵的區別：YOLO 是又快又直接的偵測法，不只是看圖分類。

記住這句就好

一次看完一張圖，直接找出物件。

實際案例

工廠產線檢查 攝影機每秒都在拍，系統要即時找出瑕疵品或掉落物，YOLO 很適合做高速度偵測。

道路監控 交通系統要快速找出車輛、行人和事故狀況，YOLO 的速度通常比重型兩階段模型更有優勢。

算法與應用

YOLO 的核心精神是把偵測當成一次性的回歸問題。

它通常會搭配邊界框預測、物件信心分數和非極大值抑制，一起完成最後輸出。

在實務上，速度、精準率、模型大小三者常要一起平衡，沒有任何版本能在所有場景都最強。

YOLO 為什麼快：一次看完整張圖

YOLO 是 You Only Look Once 的縮寫，這個名字是相對於它出現之前的做法取的。

之前的兩階段做法（R-CNN 這一路）。 先產生上千個可能有物體的候選框，再對每一個框各跑一次分類器。準確但慢，因為同一張圖被重複處理很多次。

YOLO 的一階段做法。 把整張圖切成網格，一次前向傳播就同時輸出所有格子的框位置、框的信心分數與類別機率。整張圖只過一次網路。

這個設計讓它從「秒級」進到「即時」，也讓它成為工廠檢測、交通監控、自駕感知這類需要每秒處理數十幀場合的預設選擇。

代價是早期版本對小物體與密集重疊物體的表現較弱，因為每個網格能負責的物體數量有限。後續版本用多尺度預測與錨框（anchor）設計改善了這個問題，較新的版本則走向無錨框（anchor-free）。

物件偵測要看的三個數字

這三個永遠是取捨關係。同一代 YOLO 通常會出 n / s / m / l / x 幾種大小，就是讓你在準度與速度之間選。

選型的判斷：先確定你的硬體與延遲要求，那決定了模型大小的上限；再在那個上限內選 mAP 最高的。反過來先挑準度最高的再想怎麼跑，通常會做白工。

還有一件實務上更重要的事：多數場景下，換更大的模型帶來的提升，遠不如把自己的資料標好、把資料增強設對。YOLO 系列對訓練資料品質相當敏感。

情境判斷

Q1（直覺題）： 你要在監視器上即時找出闖入的人，YOLO 合適嗎？

→ 合適，因為它特別重視速度和即時性。

Q2（判斷題）： 如果你的場景裡物件非常小、非常密，而且寧可慢一點也要更高精度，YOLO 一定最適合嗎？

→ 不一定。這時要看版本、解析度和替代模型，可能還要改用更重的偵測器。

常見問題

YOLO 版本之間差很多嗎？

差很多，不同版本在骨幹網路、訓練策略和部署方式上都可能有明顯差異。

YOLO 的信心分數是什麼？

它是模型對某個框裡有物件的把握程度，通常也會結合分類分數和框的位置品質。

YOLO 能不能抓小物件？

可以，但通常要更高解析度、多尺度特徵或版本調整，才會比較穩。

YOLO 可以做分割嗎？

有些 YOLO 變體可以延伸到分割任務，但那已經不只是基本偵測輸出了。