YOLO রিয়েল-টাইম সনাক্তকরণ
YOLO (You Only Look One) হল অবজেক্ট ডিটেকশন মডেলের একটি পরিবার যা একটি ইমেজে প্রতিটি বস্তুকে একটি একক নিউরাল নেটওয়ার্ক পাস দিয়ে খুঁজে পায় এবং লেবেল করে, লাইভ ভিডিওর জন্য যথেষ্ট দ্রুত।
ওভারভিউ
Its speed unlocked real-time vision on everything from drones to self-checkout kiosks.
গভীর ডুব
YOLO-এর আগে, R-CNN-এর মতো ডিটেক্টরগুলি চিত্র অঞ্চল জুড়ে হাজার হাজার বার ক্লাসিফায়ার চালাত, যা ধীর ছিল। YOLO, 2015 সালে জোসেফ রেডমন দ্বারা প্রবর্তিত, একটি রিগ্রেশন সমস্যা হিসাবে সনাক্তকরণকে রিফ্রেম করেছে: চিত্রটিকে একটি গ্রিডে বিভক্ত করুন এবং প্রতিটি কক্ষের জন্য একটি একক ফরোয়ার্ড পাসে বাউন্ডিং বাক্স, একটি অবজেক্টনেস স্কোর এবং শ্রেণির সম্ভাবনার পূর্বাভাস দেয়৷ সেই 'একবার দেখুন' ডিজাইনটি নির্ভুল থাকার সময় এটিকে দুই-পর্যায়ের ডিটেক্টরের চেয়ে নাটকীয়ভাবে দ্রুততর করেছে। পরিবারটি অনেক সংস্করণের (YOLOv2 থেকে YOLOv8 এবং তার পরেও) মাধ্যমে দ্রুত বিকশিত হয়েছে, অ্যাঙ্কর বক্স, আরও ভাল ব্যাকবোন এবং অ্যাঙ্কর-ফ্রি হেড যোগ করেছে। আধুনিক ভেরিয়েন্টগুলি একটি GPU-তে প্রতি সেকেন্ডে 100-এর বেশি ফ্রেমে চলে, যা YOLO কে ডিফল্ট পছন্দ করে তোলে যখন বিলম্বিতা নির্ভুলতার মতো গুরুত্বপূর্ণ।
প্রযুক্তিগত অন্তর্দৃষ্টি
YOLO একটি ছবিকে S দ্বারা S গ্রিডে বিভক্ত করে। প্রতিটি কক্ষ (x, y, প্রস্থ, উচ্চতা), একটি আত্মবিশ্বাসের স্কোর, এবং ক্লাসের সম্ভাব্যতা সহ সীমাবদ্ধ বাক্সগুলির একটি নির্দিষ্ট সেটের ভবিষ্যদ্বাণী করে, সবই এক পাসে। ওভারল্যাপিং ডুপ্লিকেট বাক্সগুলি অ-সর্বোচ্চ দমন দ্বারা ছাঁটাই করা হয়, যা সর্বোচ্চ-আস্থা বাক্স রাখে এবং অন্যকে IoU থ্রেশহোল্ডের উপরে ফেলে দেয়। ক্ষতি যৌথভাবে বাক্সের স্থানাঙ্ক, বস্তুগততা এবং শ্রেণীবিভাগকে অপ্টিমাইজ করে, তাই পুরো ডিটেক্টর ট্রেনগুলি শেষ থেকে শেষ পর্যন্ত।
কৌশলগত প্রভাব
গতি এবং স্কেল
ভিজ্যুয়াল এআই স্কেলে পরিদর্শন, সনাক্তকরণ এবং ট্যাগিং কাজগুলি স্বয়ংক্রিয়ভাবে করতে পারে।
পছন্দগুলি তৈরি করুন
সৃজনশীল দলগুলি কম ম্যানুয়াল সংশোধন সহ ধারণাগুলিকে দ্রুত প্রোটোটাইপ করতে পারে।
টিম এবং ওয়ার্কফ্লো
অপারেশনগুলি ইমেজ এবং ভিডিও সংকেত ব্যবহার করতে পারে যা আগে প্রক্রিয়া করা কঠিন ছিল।
YOLO রিয়েল-টাইম সনাক্তকরণের ভবিষ্যত
YOLO ক্লাউড সংযোগ ছাড়াই ফোন, মাইক্রোকন্ট্রোলার এবং এমবেডেড ক্যামেরাগুলিতে ছোট কোয়ান্টাইজড মডেলগুলি চলমান সহ প্রান্ত স্থাপনের দিকে প্রবণতা রাখে৷ গতির ত্যাগ ছাড়াই নির্ভুলতার জন্য ট্রান্সফরমার উপাদান এবং অ্যাঙ্কর-মুক্ত ডিজাইনগুলিকে মিশ্রিত করে নতুন রিলিজ। ট্র্যাকিং এবং সেগমেন্টেশনের সাথে আরও কঠোর ইন্টিগ্রেশন আশা করুন, ওপেন-ভোকাবুলারি ডিটেকশন যা ফিক্সড লেবেলগুলির পরিবর্তে টেক্সট প্রম্পট থেকে বস্তুগুলিকে চিনতে পারে এবং প্রান্তে সস্তা, কম-পাওয়ার হার্ডওয়্যারে দক্ষতার সাথে চালানোর দিকে অবিরত মনোযোগ দিন।
বাস্তব-বিশ্ব বাস্তবায়ন
স্ব-চেকআউট সিস্টেম এবং ক্যাশিয়ার-লেস স্টোরগুলি আইটেমগুলি শনাক্ত করে যখন ক্রেতারা সেগুলি তুলে নেয়৷
ড্রোন এবং কৃষি রোবট রিয়েল টাইমে শস্য, আগাছা বা গবাদি পশু দেখতে পাচ্ছে
ট্র্যাফিক এবং নজরদারি ক্যামেরাগুলি যানবাহন গণনা করে এবং স্মার্ট-সিটি বিশ্লেষণের জন্য পথচারীদের সনাক্ত করে
একটি দ্রুত চলমান পরিবাহক বেল্টে ত্রুটিপূর্ণ অংশ পতাকাঙ্কিত উত্পাদন লাইন
ঝুঁকি এবং প্রহরী
প্রমাণ অস্পষ্ট হলে ছবির অধিকার এবং সম্মতি আইনি ঝুঁকিতে পরিণত হতে পারে।
মডেলের কর্মক্ষমতা আলো, জনসংখ্যা এবং পরিবেশ জুড়ে পরিবর্তিত হতে পারে।
আস্থার থ্রেশহোল্ডগুলি পর্যবেক্ষণ করা না হলে মিথ্যা ইতিবাচকগুলি অলক্ষিত হতে পারে।
বাস্তবায়ন রোডম্যাপ
নির্ভুলতা, প্রত্যাহার, এবং ত্রুটি খরচের জন্য গ্রহণযোগ্যতার মানদণ্ড নির্ধারণ করুন।
প্রকৃত উৎপাদন অবস্থার সাথে মেলে এমন ডেটা দিয়ে পরীক্ষা করুন।
কম-আস্থা বা উচ্চ-প্রভাব ভবিষ্যদ্বাণীর জন্য মানুষের পর্যালোচনা যোগ করুন।
মডেল ড্রিফ্ট ট্র্যাক করুন এবং ক্যামেরা বা ডেটাসেট পরিবর্তনের পরে পুনরায় যাচাই করুন।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the YOLO Real-Time Detection quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
রিয়েল-টাইম ভয়েস এজেন্ট
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is YOLO Real-Time Detection?
YOLO (You Only Look One) হল অবজেক্ট ডিটেকশন মডেলের একটি পরিবার যা একটি ইমেজে প্রতিটি বস্তুকে একটি একক নিউরাল নেটওয়ার্ক পাস দিয়ে খুঁজে পায় এবং লেবেল করে, লাইভ ভিডিওর জন্য যথেষ্ট দ্রুত। এর গতি ড্রোন থেকে সেলফ-চেকআউট কিয়স্ক সব কিছুতে রিয়েল-টাইম ভিশন আনলক করে।
এই প্রসঙ্গে YOLO শব্দের সংক্ষিপ্ত রূপ কী?
YOLO এর অর্থ হল 'You Only Look Once', এটি প্রতিফলিত করে যে এটি একটি একক নিউরাল নেটওয়ার্কের সমস্ত বস্তুকে চিত্রের উপর দিয়ে শনাক্ত করে।
R-CNN-এর মতো আগের ডিটেক্টরের চেয়ে YOLO কে দ্রুততর করার মূল উদ্ভাবন কী ছিল?
YOLO একটি ইমেজ গ্রিডের উপর একটি রিগ্রেশন সমস্যা হিসাবে সনাক্তকরণকে পুনরায় ফ্রেম করেছে, দুই-পর্যায়ের ডিটেক্টরের ধীর অঞ্চল-অঞ্চল শ্রেণীবিভাগ প্রতিস্থাপন করে।
কোন কৌশলটি YOLO এর আউটপুটে ডুপ্লিকেট, ওভারল্যাপিং বাউন্ডিং বাক্সগুলিকে সরিয়ে দেয়?
অ-সর্বাধিক দমন সর্বোচ্চ-আস্থা বাক্স রাখে এবং একটি ছেদ-ওভার-ইউনিয়ন থ্রেশহোল্ডের উপরে ওভারল্যাপিং বাক্সগুলি বাতিল করে।
মূল YOLO ডিজাইনে, ভবিষ্যদ্বাণীর জন্য ইনপুট চিত্রকে কীভাবে ভাগ করা হয়?
YOLO ইমেজটিকে একটি S দ্বারা S গ্রিডে বিভক্ত করে, এবং প্রতিটি কক্ষ এটিকে কেন্দ্র করে থাকা বস্তুর জন্য বাক্স এবং শ্রেণী সম্ভাব্যতার পূর্বাভাস দেওয়ার জন্য দায়ী।
প্রতিটি গ্রিড সেল বাউন্ডিং বক্স স্থানাঙ্কের পাশাপাশি কোন পরিমাণের পূর্বাভাস দেয়?
প্রতিটি কক্ষ বক্স স্থানাঙ্ক, একটি বস্তুনিষ্ঠতা আত্মবিশ্বাস স্কোর, এবং ক্লাস সম্ভাব্যতা ভবিষ্যদ্বাণী করে, সবই যৌথভাবে একটি ফরোয়ার্ড পাসে।