YOLOは画像を一度読んで何をどこまで見つけるのか

• 一枚の画像を一度処理し、物体の位置と種類を同時に予測する。
• 著者らはVOC 2012でmAP 54.5、VOC 2007の速度比較で45 fpsを報告した。
• 背景の誤検出は比較的少ない一方、位置ずれと密集した小物体が課題である。