YOLO (You Only Look Once) 是一种流行的实时目标检测算法，由 Joseph Redmon 在2016年提出。与传统的目标检测算法不同，YOLO 将目标检测问题转化成单个神经网络的回归问题，从而可以高效地完成实时目标检测任务。具体来说，YOLO 算法将输入图像分成 S x S 个网格，然后对每个网格预测出 B 个边界框和它们所包含的物体类别分数。在预测过程中，YOLO 首先使用卷积神经网络（CNN）提取特征向量，然后对于每个网格和每个边界框，通过回归得到它们相应的置信度和位置信息。最后，根据置信度和类别分数，选择最终的目标框进行输出。目前，YOLO 算法已经有多个版本，如 YOLOv2、YOLOv3 和 YOLOv4，它们在基础算法上进一步优化，提升了检测精度和速度等方面的性能。由于其高效且准确的特点，YOLO 已经成为目标检测领域中广泛使用的算法之一。