💡一句話定義
YOLO（You Only Look Once）＝ 一種即時物件偵測方法：一次前向傳播就同時預測影像中所有物件的位置（bounding box）與類別，因此速度很快。
它把「物件偵測」當成一個迴歸問題來解——不像 R-CNN 系列要先產生數千個候選區再一一分類，YOLO 看一眼就給答案。
🆚先分清：分類 vs 偵測
🎮互動：哪個網格負責偵測？
把滑鼠移到圖片裡物件的中心點：只有「中心落在該格」的網格會輸出高信心度、畫出邊界框、並在右側點亮對應類別。移到背景則只有雜訊。
YOLO (You Only Look Once) 互動演示
單一網格輸出 (Output Vector $y$)
Confidence ($p_c$):
0.00
Box Center ($b_x, b_y$):
-, -
Box Size ($b_w, b_h$):
-, -
類別機率 (Class Probabilities)
* 試著將滑鼠移到圖片中的「物件中心點」。只有負責該物件中心的網格 (Grid Cell) 才會輸出高信心度。
🔲網格系統與輸出向量
YOLO 把圖切成 S×S 網格（demo 為 5×5）。關鍵規則：物件的「中心點」落在哪個網格，那個網格就負責偵測它。每個網格輸出一個向量：
y = [ p_c, b_x, b_y, b_w, b_h, c_1, c_2, c_3 ]
p_c＝這格有物件的信心度；b_x, b_y＝框中心（相對網格的偏移）；b_w, b_h＝框的寬高（相對整張圖）；c₁…c₃＝各類別機率。看一眼整張圖，就把每一格的這個向量全部算出來。
⚖️one-stage vs two-stage
| 面向 | one-stage（YOLO、SSD） | two-stage（Faster R-CNN 系） |
|---|---|---|
| 做法 | 一次前向直接回歸框＋類別 | 先產生候選區，再分類＋修框 |
| 速度 | 快，適合即時 | 較慢 |
| 精度 | 好；小物件曾較弱（新版已大幅改善） | 傳統上較準 |
| 場景 | 即時監控、自駕、無人機 | 離線、追求精度的任務 |
📏評估與後處理
🔲IoU
預測框與真實框的重疊度，用來判定是否算「命中」。
預測框與真實框的重疊度，用來判定是否算「命中」。
📈mAP
各類別 AP 的平均（mean Average Precision），偵測的主要指標。
各類別 AP 的平均（mean Average Precision），偵測的主要指標。
🧹NMS
非極大值抑制：同一物件常有多個框，NMS 去掉重複、只留最好的。
非極大值抑制：同一物件常有多個框，NMS 去掉重複、只留最好的。
🎚️信心閾值
低於門檻的框直接丟棄，控制精確率與召回率的取捨。
低於門檻的框直接丟棄，控制精確率與召回率的取捨。
🏭應用場景
即時監控（車流統計、闖紅燈偵測）、自動駕駛（毫秒級偵測行人與車輛）、無人機／產線瑕疵檢測——凡是需要「快速、即時」框出物件的場合，YOLO 都是首選之一。
✅自我檢測
Q1. 影像分類和物件偵測差在哪？
分類只回答「整張圖是什麼」（一個標籤）；偵測要找出「有哪些物件、各在哪裡」，同時做定位（畫框）與分類，輸出多個邊界框與類別。
Q2. YOLO 為什麼快？
它把偵測當成單一迴歸問題、一次前向就處理整張圖（one-stage），不像兩階段法要先產生候選區再分類，因此適合即時應用。
Q3. 「哪個網格負責一個物件」的規則是什麼？
物件的中心點落在哪個網格，那個網格就負責偵測它，並輸出該物件的信心度、邊界框與類別機率。
Q4. 偵測結果怎麼評估？NMS 做什麼？
用 IoU 判定預測框是否命中真實框，再算各類 AP 與整體 mAP。NMS（非極大值抑制）用來去掉同一物件的重複框，只保留信心最高的那個。
🎯重點整理
- 是什麼：一次前向同時預測所有物件的框與類別的即時偵測法。
- 分類 vs 偵測：偵測＝定位＋分類，輸出多個框。
- 網格：物件中心落在哪格，哪格負責，輸出 [p_c, 框, 類別]。
- 取捨：one-stage 快（YOLO）、two-stage 準（Faster R-CNN）。
- 評估：IoU、mAP；後處理用 NMS 去重複框。