Vizuális MI ÚTMUTATÓ

YOLO valós idejű észlelés

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

Ezen az oldalon2 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. A YOLO valós idejű észlelés jövője
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Sebessége valós idejű látást nyitott meg mindenen, a drónoktól a saját pénztárakig.

Mély merülés

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.

Valós megvalósítás

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 valós idejű észlelés jövője

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.

A gyakorlatba ültetés

Miért számít

  • Sebesség és méretarány. A vizuális AI képes automatizálni az ellenőrzési, észlelési és címkézési feladatokat nagy léptékben.
  • Építési lehetőségek. A kreatív csapatok gyorsabban prototípusokat készíthetnek a koncepciókból, kevesebb kézi átdolgozással.
  • Csapat és munkafolyamat. A műveletek olyan kép- és videojeleket használhatnak, amelyeket korábban nehéz volt feldolgozni.

Vigyázz

  • A képhez fűződő jogok és a beleegyezés jogi kockázatot jelenthet, ha a származás nem egyértelmű.
  • A modell teljesítménye a világítástól, a demográfiai adatoktól és a környezettől függően változhat.
  • A hamis pozitívumok észrevétlenek maradhatnak, hacsak nem figyelik a megbízhatósági küszöböket.

Következő lépések

  1. Határozza meg a pontosság, a visszahívás és a hibaköltségek elfogadási kritériumait.
  2. Tesztelje a valós gyártási feltételeknek megfelelő adatokkal.
  3. Adjon hozzá emberi felülvizsgálatot az alacsony megbízhatóságú vagy nagy hatású előrejelzésekhez.
  4. A modell elsodródásának nyomon követése és újbóli érvényesítése a kamera vagy az adatkészlet módosítása után.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

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

Take the YOLO Real-Time Detection quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az a YOLO valós idejű észlelés?

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.

Mit jelent ebben az összefüggésben a YOLO mozaikszó?

A YOLO a „You Only Look Once” rövidítése, ami azt jelzi, hogy egyetlen neurális hálózat összes objektumát érzékeli, amely áthalad a képen.

Which cross-domain evaluation did the original YOLO paper report?

The original paper reports evaluation on the Picasso and People-Art datasets as a test of generalization from natural images to artwork.

Milyen technika távolítja el a duplikált, egymást átfedő határolókereteket a YOLO kimenetében?

A nem maximális elnyomás megtartja a legmagasabb megbízhatóságú mezőt, és eldobja az átfedő dobozokat a kereszteződés feletti küszöbérték felett.

Az eredeti YOLO-tervben hogyan osztják fel a bemeneti képet az előrejelzéshez?

A YOLO a képet S by S rácsra bontja, és minden cella felelős a benne lévő objektumok dobozainak és osztályvalószínűségének előrejelzéséért.

Melyik mennyiséget jósolják meg az egyes rácscellák a határoló doboz koordinátái mellett?

Minden cella előrejelzi a doboz koordinátáit, az objektum megbízhatósági pontszámát és az osztályvalószínűségeket, mindezt együttesen egyetlen előrelépésben.