說起目標檢測算法，就不得不提到YOLO,尤其是今年YOLO版本有了新的發佈。
1、YOLOv3
目前在YOLO官網上（https://pjreddie.com/darknet/yolo/），YOLO最新版本是v3，關於YOLOv3的使用key參考官網，網絡中的相關文章也很多，可以自行搜索瞭解。
不過這裏有必要澄清一個概念，就是YOLO與darknet的關係：darknet是YOLO作者自己寫的一個深度學習框架，後來在YOLO9000中提出了由ResNet改進而來的19層卷積網絡，稱之爲Darknet-19，而YOLOv3中使用的是Darknet-53.
2、YOLOv4
相關論文：https://arxiv.org/pdf/2004.10934.pdf
源代碼：https://github.com/AlexeyAB/darknet
在2020年4月公佈了YOLOv4版本，YOLOv4的主要目的在於設計一個能夠應用於實際工作環境中的快速目標檢測系統，且能夠被並行優化，並沒有很刻意的去追求理論上的低計算量（BFLOP）。同時，Yolo-V4的作者希望算法能夠很輕易的被訓練，也就是說擁有一塊常規了GTX-2080ti或者Titan-XP GPU就能夠訓練YOLOv4, 同時能夠得到一個較好的結果。
3、YOLOv5
源代碼：https://github.com/ultralytics/yolov5
就在2020年的6月9日，YOLOv5被開源了，這距離YOLOv4發佈不足兩個月。
需要說明的是，YOLOv5是完全基於PyTorch實現的。
相比較而言，YOLOv5的檢測速度更快，模型數據文件更小。比此前版本的性能改善和提升都十分顯著。
今天先說到這裏，後續將逐步對着幾種方法進行嘗試和實踐。
推薦一個公衆號：健哥聊量化，會持續推出股票相關基礎知識，以及python實現的一些基本的分析代碼。歡迎大家關注，二維碼如下：
相關文章列表如下：