FastR-CNN和YOLO（YouOnlyLookOnce）是两种常见的目标测量算法，它们在算法原理和性能指标上有一些区别。1.算法原理：-FastR-CNN：FastR-CNN是一种基于区域提取的目标测量算法。它通过先使用选择性搜索或其他区域生成算法提取候选目标区域，之后对每位候选区域进行分类和边界框回归，最终得到目标测量结果。-YOLO：YOLO是一种单阶段的目标测量算法，它将目标测量任务转化为一个回归问题。YOLO将输入图象分成网格，并在每位网格单元上预测目标的类别和边界框，之后通过非极大值抑制（NMS）来获得最终的检查结果。2.检查速率：-FastR-CNN：FastR-CNN在目标测量速率上相对较慢，由于它须要先生成候选区域，之后对每位候选区域进行分类和回归。-YOLO：YOLO是一种实时目标测量算法，它通过将目标测量任务转化为回归问题，整个测量过程可以在一次前向传播中完成，因而具有较快的测量速率。3.目标测量精度：-FastR-CNN：FastR-CNN在目标测量精度上相对较高，由于它使用了更复杂的特点提取和区域分类技术。-YOLO：YOLO在目标测量精度上相对较低，由于它将目标测量问题简化为回归问题，可能会在小目标测量和密集目标测量等方面存在一定的不足。总结来说，FastR-CNN适用于须要较高目标测量精度的场景，而YOLO适用于实时性要求较高的目标测量场景。选择哪种算法可以依据具体应用需求来决定。
