RCNN、Fast RCNN、Faster RCNN 都是基于深度神經網絡的圖像目標檢測模型。雖然這一系列模型在訓練和檢測上針對精 度與效率都在不斷地優化，但是仍舊沒有實現訓練測試的端到端，而 且當前的檢測速度也還無法針對視頻進行目標檢測。因此，Girshick 團隊又提出了針 對視頻進行目標檢測的模型 YOLO(You Only Look Once)，該模型的訓練和測試上 都是端到端的操作。