摘要
YOLO（You Only Look Once）系列算法是目标检测领域最经典的实时检测框架。本文从零基础出发，系统讲解YOLO的核心原理、网络结构、损失函数，并基于YOLOv5提供一套完整可运行的代码案例。
文章包含数据准备、模型训练、推理预测、性能评估全流程，所有代码均经过验证可直接运行。同时针对常见训练失败、精度不达标等问题给出排查方案。目标是让读者在阅读后能够独立完成一个YOLO目标检测项目的完整落地。
核心原理
1. 整体思想
YOLO将目标检测视为一个回归问题。输入一张图像，经过一个单一的卷积神经网络，直接输出边界框坐标、置信度及类别概率。与两阶段检测器（如Faster R-CNN）不同，YOLO没有独立的候选区域生成阶段，因此速度极快。
2. 网格划分
YOLO将输入图像划分为S×S个网格。每个网格负责检测中心点落在该网格内的目标。每个网格预测B个边界框，每个边界框包含5个参数：(x, y, w, h, confidence)。其中(x, y)是边界框中心相对于网格的偏移量，(w, h)是边界框的宽高相对于整张图像的归一化值，confidence表示该框内包含目标的置信度以及预测框与真实框的IOU。
3. 网络结构（以YOLOv5为例）
YOLOv5采用CSPDarknet53作为骨干网络，结合SPP（空间金字塔池化）和PANet（路径聚合网络）进行多尺度特征融合。
- Backbone：CSPD
