LegközelebbKövetkező útmutató
Valós idejű hangügynökök
Hangalapú AI
Vizuális MI ÚTMUTATÓ
A YOLO (You Only Look Once) az objektumészlelési modellek családja, amely egyetlen neurális hálózati átmenettel megtalálja és felcímkézi a képen lévő minden objektumot, elég gyorsan az élő videóhoz.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Sebessége valós idejű látást nyitott meg mindenen, a drónoktól a saját pénztárakig.
A YOLO előtt az olyan detektorok, mint az R-CNN, több ezer alkalommal futtattak osztályozót a képterületeken, ami lassú volt. A Joseph Redmon által 2015-ben bevezetett YOLO az észlelést egyetlen regressziós problémaként fogalmazta meg: osszuk fel a képet egy rácsra, és minden cellához egyetlen előremenetben jósoljuk meg a határolókereteket, az objektum pontszámát és az osztályvalószínűségeket. Ez a „nézd meg egyszer” kialakítás drámaian gyorsabbá tette, mint a kétfokozatú detektorok, miközben pontos maradt. A család gyorsan fejlődött számos verzión keresztül (YOLOv2-től YOLOv8-ig és tovább), horgonydobozokkal, jobb gerincekkel és horgonymentes fejekkel. A modern változatok jóval több mint 100 képkocka/másodperc sebességgel futnak egy GPU-n, így a YOLO az alapértelmezett választás, amikor a késleltetés legalább annyira számít, mint a pontosság.
Az önpénztári rendszerek és a pénztáros nélküli üzletek észlelik a tételeket, amikor a vásárlók felveszik azokat
Drónok és mezőgazdasági robotok valós időben észlelik a növényeket, a gyomokat vagy az állatokat
Forgalmi és térfigyelő kamerák, amelyek megszámolják a járműveket és észlelik a gyalogosokat az intelligens város elemzéséhez
Gyártósorok jelzik a hibás alkatrészeket egy gyorsan mozgó szállítószalagon
A YOLO továbbra is az élvonalbeli bevezetés felé mozdul, a telefonokon, mikrokontrollereken és beágyazott kamerákon felhőkapcsolat nélkül futó kisebb kvantált modellekkel. Az újabb kiadások kevert transzformátorelemeket és horgonymentes kialakításokat kínálnak a pontosság érdekében a sebesség feláldozása nélkül. Szorosabb integrációra számíthat a nyomon követéssel és szegmentálással, a nyitott szókincs észlelésével, amely a rögzített címkék helyett a szöveges felszólításokból ismeri fel az objektumokat, és folyamatos figyelmet kell fordítani az olcsó, alacsony fogyasztású hardvereken való hatékony működésre.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A YOLO (You Only Look Once) az objektumészlelési modellek családja, amely egyetlen neurális hálózati átmenettel megtalálja és felcímkézi a képen lévő minden objektumot, elég gyorsan az élő videóhoz. A sebessége lehetővé tette a valós idejű látást a drónoktól az önpénztári kioszkokig.
A YOLO a „You Only Look Once” rövidítése, ami azt jelzi, hogy egyetlen neurális hálózat összes objektumát érzékeli, amely áthalad a képen.
The original paper reports evaluation on the Picasso and People-Art datasets as a test of generalization from natural images to artwork.
A nem maximális elnyomás megtartja a legmagasabb megbízhatóságú mezőt, és eldobja az átfedő dobozokat a kereszteződés feletti küszöbérték felett.
A YOLO a képet S by S rácsra bontja, és minden cella felelős a benne lévő objektumok dobozainak és osztályvalószínűségének előrejelzéséért.
Minden cella előrejelzi a doboz koordinátáit, az objektum megbízhatósági pontszámát és az osztályvalószínűségeket, mindezt együttesen egyetlen előrelépésben.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Valós idejű hangügynökök
Hangalapú AI