СледваСледващо ръководство
Гласови агенти в реално време
Аудио AI
РЪКОВОДСТВО за визуален AI
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.
Чуйте това ръководствоAI-разказан · ~2 min
На тази страница2 минути четене
Преглед
Неговата скорост отключи визия в реално време за всичко - от дронове до павилиони за самоконтрол.
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.
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
Камери за трафик и наблюдение, преброяващи превозни средства и засичащи пешеходци за анализ на интелигентен град
Производствени линии, маркиращи дефектни части върху бързо движеща се конвейерна лента
Бъдещето на YOLO за откриване в реално време
YOLO продължава да се стреми към периферно внедряване, с по-малки квантови модели, работещи на телефони, микроконтролери и вградени камери без облачна връзка. По-новите версии съчетават трансформаторни компоненти и дизайни без анкери за точност, без да се жертва скоростта. Очаквайте по-тясна интеграция с проследяване и сегментиране, откриване на отворен речник, което разпознава обекти от текстови подкани, а не от фиксирани етикети, и непрекъснато внимание към ефективното функциониране на евтин хардуер с ниска мощност на ръба.
Прилагайки го на практика
Защо има значение
- Скорост и мащаб. Visual AI може да автоматизира задачи за проверка, откриване и маркиране в мащаб.
- Избор на билдове. Творческите екипи могат да създават прототипи на концепции по-бързо с по-малко ръчни ревизии.
- Екип и работен процес. Операциите могат да използват изображения и видео сигнали, които преди са били трудни за обработка.
Внимавайте за
- 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.
Следващи стъпки
- Определете критерии за приемане за прецизност, извикване и разходи за грешки.
- Тествайте с данни, които съответстват на реалните производствени условия.
- Добавете преглед от човек за прогнози с ниска степен на сигурност или с голямо въздействие.
- Проследявайте дрейфа на модела и проверявайте отново след промени в камерата или набора от данни.
Продължете да изследвате
Безплатен бюлетин
Получавайте дневния AI бюлетин
Три проверени AI истории всяка делнична сутрин, написани на достъпен език. Безплатно завинаги, без реклами.
Един имейл всеки делничен ден. Отписване с едно кликване. Никога не продаваме и не споделяме вашия имейл адрес.
Тествайте себе си
Направете теста за откриване в реално време на YOLO
Незабавна обратна връзка за всеки отговор и сертификат за споделяне с подлежащ на проверка идентификационен номер, след като преминете курс.
Подкрепете безплатното AI образование. AI Understanding е 501(c)(3) с нестопанска цел — без реклами, без платен достъп, никога. Направете дарение
Често задавани въпроси
Какво е 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 на всичко - от дронове до павилиони за самоконтрол.
Какво означава съкращението YOLO в този контекст?
YOLO означава „You Only Look Once“, което отразява, че открива всички обекти в една невронна мрежа, преминаваща през изображението.
Коя междудомейн оценка докладва оригиналният документ на YOLO?
Оригиналният документ докладва оценка на наборите от данни на Picasso и People-Art като тест за обобщаване от естествени изображения към произведения на изкуството.
Каква техника премахва дублирани, припокриващи се ограничаващи полета в изхода на YOLO?
Немаксималното потискане запазва кутията с най-голяма достоверност и отхвърля припокриващите се кутии над прага на пресичане над обединение.
В оригиналния дизайн на YOLO, как се разделя входното изображение за прогнозиране?
YOLO разделя изображението на мрежа S на S и всяка клетка е отговорна за прогнозиране на кутии и вероятности за класове за обекти, центрирани в нея.
Кое количество прогнозира всяка клетка от мрежата заедно с координатите на ограничителната кутия?
Всяка клетка прогнозира координати на кутийка, резултат за доверителност на обектността и вероятности за клас, всички заедно в едно предаване напред.
Продължавай да учиш
Свързани ръководства
Още ръководства, избрани за тази тема