YOLO Обнаружение в реальном времени
YOLO (You Only Look Once) — это семейство моделей обнаружения объектов, которые находят и маркируют каждый объект на изображении за один проход нейронной сети, достаточно быстрый для живого видео.
Обзор
Его скорость открыла возможность видеть в реальном времени все, от дронов до киосков самообслуживания.
Глубокое погружение
До YOLO такие детекторы, как R-CNN, тысячи раз запускали классификатор по областям изображения, что было медленно. YOLO, представленный Джозефом Редмоном в 2015 году, переосмыслил обнаружение как одну задачу регрессии: разделите изображение на сетку и для каждой ячейки предскажите ограничивающие рамки, оценку объектности и вероятности классов за один прямой проход. Такая конструкция «посмотри один раз» сделала его значительно быстрее, чем двухступенчатые детекторы, сохраняя при этом точность. Семейство быстро развивалось благодаря множеству версий (от YOLOv2 до YOLOv8 и выше), добавляя якорные коробки, улучшенные основы и головки без якорей. Современные варианты работают на графическом процессоре со скоростью более 100 кадров в секунду, что делает YOLO выбором по умолчанию, когда задержка имеет такое же значение, как и точность.
Техническая информация
YOLO разбивает изображение на сетку S на S. Каждая ячейка прогнозирует фиксированный набор ограничивающих рамок с (x, y, шириной, высотой), показателем достоверности и вероятностями классов — все за один проход. Перекрывающиеся повторяющиеся блоки отсекаются с помощью немаксимального подавления, при котором сохраняется блок с наивысшим уровнем достоверности и отбрасываются другие блоки, превышающие порог IoU. Потери совместно оптимизируют координаты ящика, объектность и классификацию, поэтому весь детектор работает последовательно.
Стратегическое воздействие
Скорость и масштаб
Визуальный ИИ может автоматизировать задачи проверки, обнаружения и маркировки в любом масштабе.
Выбор сборки
Творческие группы могут быстрее создавать прототипы концепций с меньшим количеством доработок вручную.
Команда и рабочий процесс
Операции могут использовать изображения и видеосигналы, которые раньше было трудно обрабатывать.
Будущее обнаружения YOLO в реальном времени
YOLO продолжает стремиться к периферийному развертыванию, предлагая меньшие квантовые модели, работающие на телефонах, микроконтроллерах и встроенных камерах без подключения к облаку. В более новых версиях компоненты трансформатора сочетаются с безанкерной конструкцией для обеспечения точности без ущерба для скорости. Ожидайте более тесной интеграции с отслеживанием и сегментацией, обнаружения открытого словаря, который распознает объекты по текстовым подсказкам, а не по фиксированным меткам, а также постоянного внимания к эффективной работе на дешевом маломощном оборудовании на периферии.
Реальная реализация
Системы самообслуживания и магазины без касс, обнаруживающие товары, когда покупатели их забирают.
Дроны и сельскохозяйственные роботы обнаруживают посевы, сорняки или домашний скот в режиме реального времени
Камеры дорожного движения и наблюдения, подсчитывающие транспортные средства и обнаруживающие пешеходов, для аналитики умного города
Производственные линии, маркирующие дефектные детали на быстро движущейся конвейерной ленте
Риски и ограничения
Права на изображение и согласие могут стать юридическими рисками, если происхождение неясно.
Производительность модели может варьироваться в зависимости от освещения, демографии и окружающей среды.
Ложноположительные результаты могут остаться незамеченными, если не контролировать пороговые значения достоверности.
Дорожная карта реализации
Определите критерии приемки точности, стоимости отзыва и ошибок.
Тестируйте с данными, которые соответствуют реальным производственным условиям.
Добавьте человеческую проверку для прогнозов с низкой достоверностью или высокой эффективностью.
Отслеживайте дрейф модели и выполняйте ее повторную проверку после изменений камеры или набора данных.
Продолжайте исследовать
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
Следующее руководство
Голосовые агенты в реальном времени
Часто задаваемые вопросы
Что такое обнаружение YOLO в реальном времени?
YOLO (You Only Look Once) — это семейство моделей обнаружения объектов, которые находят и маркируют каждый объект на изображении за один проход нейронной сети, достаточно быстрый для живого видео. Его скорость открыла возможность видеть в реальном времени все, от дронов до киосков самообслуживания.
Что означает аббревиатура YOLO в этом контексте?
YOLO означает «Вы смотрите только один раз», что означает, что он обнаруживает все объекты в одной нейронной сети, проходящей по изображению.
Какова была ключевая инновация, которая сделала YOLO быстрее, чем более ранние детекторы, такие как R-CNN?
YOLO переосмыслил обнаружение как одну задачу регрессии по сетке изображений, заменив медленную пообластную классификацию двухэтапных детекторов.
Какой метод удаляет повторяющиеся перекрывающиеся ограничивающие рамки в выводе YOLO?
Немаксимальное подавление сохраняет блок с наибольшей достоверностью и отбрасывает перекрывающиеся блоки выше порога пересечения-объединения.
Как в исходном дизайне YOLO делится входное изображение для прогнозирования?
YOLO разбивает изображение на сетку S на S, и каждая ячейка отвечает за прогнозирование ячеек и вероятностей классов для объектов, сосредоточенных в ней.
Какую величину прогнозирует каждая ячейка сетки вместе с координатами ограничивающего прямоугольника?
Каждая ячейка предсказывает координаты блока, оценку достоверности объекта и вероятности классов — и все это вместе за один прямой проход.