YOLO对实时视频的目标检测非常快，可达45FPS。这主要得益于其精妙的设计，对整体图片进行操作，相比R-CNN等大大降低了运算量。
　　YOLO的设计思想：
　　1、将图片划分为S*S的grid cell小网格，每个小网格给出B个bounding box判决，每个边界盒判决包括5个信息，（x，y，w，h，object_prb）,x/y为box的中心坐标，w、h为box的长宽，object_prob为box内存在物体的概率Pr（Object）。
　　2、每个小网格给出有物体存在时的C个分类的条件概率，Pr（Class|Object），从而可以得到整体图片中各个小网格内的各分类概率，Pr（Class）=Pr（Class|Object）* Pr（Object）,设置合适判决门限，高于判决门限的就是识别出的目标分类。
　　3、根据各个小网格中的已识别目标分类，及对应的边界盒信息，可以计算出各个目标的整个分割区域位置信息，坐标、长宽等，从而在图像或视频中标记出来。
　　
　　YOLO demo中，S=7，B=2，C=20，则网络最终输出7*7*（2*5+20）=1470，如下图：
　
　
　　
　　YOLO paper地址：https://www.arxiv.org/pdf/1506.02640v5.pdf
　　youtube上有作者在CVPR2016上的论文演讲视频：