用单元格（grid）来代替二阶目标检测模型中的候选框（proposal）概念，直接在原图上分割成SxS个单元格，每个单元格负责检测中心在单元格内部的物体，而不是直接提取出候选框。每个单元格B个预测框，每个预测框都有参数（x， y， w， h）和置信度c，同时单元格还包含不同类别的置信度，所以每个单元格的维度是B*5+C。 C是类型数量。
YOLO采用的是全图信息来进行预测，对背景的误判率会比Faster RCNN小很多。
缺点：
每个单元格都只能预测一个物体，如果存在两个物体的中心点在同一个单元格，就会出现漏判。
对小物体的识别率很低。
