Преглед
YOLO (You Only Look Once) е семейство от модели за откриване на обекти, които намират и етикетират всеки обект в изображение с едно преминаване на невронна мрежа, достатъчно бързо за видео на живо. Неговата скорост отключи визия в реално време за всичко - от дронове до павилиони за самоконтрол.
YOLO Real-Time Detection принадлежи към работните процеси за компютърно зрение, които интерпретират или генерират визуална медия за анализ, операции и творчество.
Дълбоко гмуркане
Преди YOLO детектори като R-CNN изпълняваха класификатор хиляди пъти в региони на изображението, което беше бавно. YOLO, въведен от Джоузеф Редмън през 2015 г., преформулира откриването като един регресионен проблем: разделете изображението на решетка и за всяка клетка предскажете ограничаващи полета, резултат за обектност и вероятности за клас в едно преминаване напред. Този дизайн „погледни веднъж“ го направи драстично по-бърз от двустепенните детектори, като същевременно остава точен. Семейството еволюира бързо чрез много версии (YOLOv2 до YOLOv8 и след това), добавяйки анкерни кутии, по-добри гръбначни връзки и глави без анкери. Съвременните варианти работят с доста над 100 кадъра в секунда на GPU, което прави YOLO изборът по подразбиране, когато латентността е толкова важна, колкото точността.
Техническа информация
YOLO разделя изображение на решетка S на S. Всяка клетка прогнозира фиксиран набор от ограничаващи кутии с (x, y, ширина, височина), оценка на достоверността и вероятности за клас, всичко с едно преминаване. Припокриващите се дублиращи се полета се съкращават чрез немаксимално потискане, което запазва полето с най-голяма сигурност и отхвърля други над прага на IoU. Загубата съвместно оптимизира координатите на кутията, обектността и класификацията, така че целият детектор се обучава от край до край.
Овладяване на YOLO откриване в реално време
YOLO (You Only Look Once) е семейство от модели за откриване на обекти, които намират и етикетират всеки обект в изображение с едно преминаване на невронна мрежа, достатъчно бързо за видео на живо. Неговата скорост отключи визия в реално време за всичко - от дронове до павилиони за самоконтрол. YOLO Real-Time Detection принадлежи към работните процеси за компютърно зрение, които интерпретират или генерират визуална медия за анализ, операции и творчество. За да изградите дълбоко разбиране, третирайте YOLO Real-Time Detection като оперативен модел, а не като отделна функция: дефинирайте желаните резултати, изяснете предположенията и отделете това, което системата може да направи надеждно, от това, което все още изисква експертна преценка.
На практика силните екипи, използващи YOLO Real-Time Detection, балансират точността с оперативните реалности като качество на данните, вариация на осветлението и последователност на етикетите. Те документират изрични критерии за успех, тестват срещу реалистични данни и работни потоци и повтарят въз основа на наблюдавани модели на неуспех, а не на еднократни победи в бенчмарка. Това е мястото, където теоретичното разбиране се превръща в трайна способност за продукти, политики и операции.
Visual AI може да автоматизира задачи за проверка, откриване и маркиране в мащаб. В същото време правата върху изображението и съгласието могат да се превърнат в правни рискове, ако произходът е неясен. Най-устойчивият подход е да се комбинира скоростта на експериментиране с дисциплината на управление: стартирайте пилотни проекти, събирайте доказателства, публикувайте регистрационни файлове за решения и непрекъснато актуализирайте предпазните мерки, докато поведението на модела, очакванията на потребителите и регулаторните изисквания се развиват.
Стратегическо въздействие
Visual AI може да автоматизира задачи за проверка, откриване и маркиране в мащаб.
Visual AI може да автоматизира задачи за проверка, откриване и маркиране в мащаб. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Творческите екипи могат да създават прототипи на концепции по-бързо с по-малко ръчни ревизии.
Творческите екипи могат да създават прототипи на концепции по-бързо с по-малко ръчни ревизии. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Операциите могат да използват изображения и видео сигнали, които преди са били трудни за обработка.
Операциите могат да използват изображения и видео сигнали, които преди са били трудни за обработка. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Внедряване в реалния свят
Системи за самоплащане и магазини без касиер, откриващи артикули, докато купувачите ги взимат
Дронове и селскостопански роботи, забелязващи култури, плевели или добитък в реално време
Трафик и камери за наблюдение, преброяващи превозни средства и откриващи пешеходци за анализ на интелигентен град
Производствени линии, маркиращи дефектни части върху бързо движеща се конвейерна лента
Модели на изпълнение
YOLO Откриване в реално време на практика
Системи за самоплащане и магазини без касиер, откриващи артикули, докато купувачите ги взимат.
Системи за самоплащане и магазини без касиер, откриващи артикули, докато купувачите ги взимат. Екипите обикновено получават по-добри резултати, когато предварително определят прагове за качество, поддържат човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
YOLO Откриване в реално време на практика
Дронове и селскостопански роботи, забелязващи култури, плевели или добитък в реално време.
Дронове и селскостопански роботи, забелязващи посеви, плевели или добитък в реално време. Екипите обикновено получават по-добри резултати, когато предварително определят прагове за качество, поддържат човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
YOLO Откриване в реално време на практика
Камери за трафик и наблюдение, които преброяват превозни средства и откриват пешеходци за анализ на интелигентен град.
Трафик и камери за наблюдение, които преброяват превозни средства и откриват пешеходци за анализ на интелигентен град. Екипите обикновено получават по-добри резултати, когато определят праговете за качество предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
YOLO Откриване в реално време на практика
Производствени линии, маркиращи дефектни части върху бързо движеща се конвейерна лента.
Производствени линии, маркиращи дефектни части на бързо движеща се конвейерна лента Екипите обикновено получават по-добри резултати, когато определят прагове за качество предварително, поддържат човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Рискове и предпазни огради
Правата върху изображението и съгласието могат да се превърнат в правни рискове, ако произходът е неясен.
Производителността на модела може да варира в зависимост от осветлението, демографските данни и средата.
Фалшивите положителни резултати могат да останат незабелязани, освен ако не се наблюдават праговете на достоверност.
Пътна карта за изпълнение
Определете критерии за приемане за прецизност, извикване и разходи за грешки.
Определете критерии за приемане за прецизност, извикване и разходи за грешки. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Тествайте с данни, които съответстват на реалните производствени условия.
Тествайте с данни, които съответстват на реалните производствени условия. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Добавете преглед от човек за прогнози с ниска степен на сигурност или с голямо въздействие.
Добавете преглед от човек за прогнози с ниска степен на сигурност или с голямо въздействие. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Проследявайте дрейфа на модела и проверявайте отново след промени в камерата или набора от данни.
Проследявайте дрейфа на модела и проверявайте отново след промени в камерата или набора от данни. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.