YOLO 将输入图像划分为固定尺寸的网格,每个网格负责检测中心落在该网格内的目标。网络直接回归边界框坐标、置信度与类别概率,经过非极大值抑制过滤冗余框,最终输出图像中所有目标的检测结果,实现端到端的快速检测。