在篇博文中，我们将学习如何使用YOLO对象检测器来检测图像和视频流中的目标，其中用到了深度学习、OpenCV和Python。目标检测，不仅要确定图像中目标类别，而且还要确定给定目标在图像中的驻留位置。首先简单讨论一下YOLO对象检测器，包括目标检测器如何流程：
（1）将YOLO对象检测器应用于图像（2）将YOLO应用于视频流。
并在后面，讨论一下YOLO对象检测器的一些缺点，包括个人的一些技巧和建议。
1、YOLO对象检测器介绍关于深度学习的目标检测，你会遇到三种主要的对象检测器:（1）R-CNN及包括原来的R-CNN，快速R-CNN，和更快R-CNN;(2)单发探测器(ssd);(3)YOLO。R- cnn是最早的基于深度学习的对象检测器之一，是两级检测器。
标准R-CNN非常慢，不是一个完整的端到端对象检测器。Girshick等人在2015年发表了第二篇论文，题为Fast R-CNN。Fast -CNN算法对原始的R-CNN进行了很大的改进，即提高了准确率，减少了向前传递所需的时间;但该模型仍然依赖于外部区域提议算法。直到Girshick等人2015年发表的后续论文《Faster R-CNN》:基于区域提议网络RPN的现实目标检测，R-CNNs
