YOLO最初是由Joseph Redmon编写的，用于检测目标。目标检测是一种计算机视觉技术，它通过在目标周围画一个边界框来定位和标记对象，并确定一个给定的框所属的类标签。和大型NLP transformers不同，YOLO设计得很小，可为设备上的部署提供实时推理速度。
YOLO-9000是Joseph Redmon出版的第二个“YOLOv2”目标探测器，它改进了探测器，并强调了该检测器能够推广到世界上任何物体的能力。
YOLOv3对检测网络做了进一步的改进，并开始将目标检测过程纳入主流。我们开始发布关于如何在PyTorch中训练YOLOv3、如何在Keras中训练YOLOv3的教程，并将YOLOv3的性能与EfficientDet（另一种最先进的检测器）进行比较。
然后约瑟夫·雷德曼出于伦理考虑退出了目标探测游戏。
当然，开源社区接过了指挥棒，继续推动YOLO技术的发展。
YOLOv4最近由Alexey AB在他的YOLO Darknet存储库中发表。YOLOv4主要是其他已知的计算机视觉技术的集合，通过研究过程进行了组合和验证。