yolo v1 v2 v3 v4简单来说（大白话）都有什么不同。特点是什么呢？ - 知乎
yolo v1 源码链接：写的很好，非常有助于理解yolov1
https://github.com/abeardear/pytorch-YOLO-v1
<机器爱学习>YOLO v1深入理解 - 知乎
YOLO系列专题——YOLOv1理论篇 - 知乎
文章图片
其中 置信度损失边框内有对象的 Ci=2个中最大iou的iou的值（预测框和gt的iou）
边框内无对象的 Ci=0
yolo v2 v3源码解析
yolo v2损失函数：
文章图片
https://github.com/yjh0410/yolov2-yolov3_PyTorch （写的不错，最好单步调试）
目标检测之YOLOv3算法: An Incremental Improvement - 知乎
<机器爱学习>YOLOv2 / YOLO9000 深入理解 - 知乎 （损失函数摘抄自该博客，写的不错）
目标检测算法之YOLOv2损失函数详解 - 知乎
目标检测之YOLOv2 算法-YOLO9000: Better, Faster, Stronger - 知乎
yolo v4yolo v5
【深度学习|yolo系列 优缺点以及源码解析】深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解 - 知乎
推荐阅读
- 目标检测|目标检测之YOLOv1源码解析
- PyTorch-YOLOV3源码解读（网络结构）
- 计算机图形学|【计算机图形学】基础 - Colorization using Optimization
- tensorflow|深度学习 ——回归预测Tips
- 数据集归纳|目标检测、工业缺陷、图像分割----深度学习数据集归纳
- 深度学习|Jupyter Notebook（Anaconda）——两个环境分别修改默认打开目录（深度学习第一周番外篇）
- #|深度学习之 11 空洞卷积的实现
- 神经网络与深度学习|【神经网络与深度学习】CIFAR10数据集介绍，并使用卷积神经网络训练图像分类模型——[附完整训练代码]
- 五|5.6 Keras卷积神经网络练习 cifar10数据集