Объяснение алгоритма YOLO (You Only Look Once) для обнаружения объектов!

В этом видео я рассказал об алгоритме YOLO (You Only Look Once), который используется для обнаружения объектов.

Обнаружение объектов — критически важная возможность технологий беспилотных автомобилей. Это область компьютерного зрения, которая бурно развивается и работает гораздо лучше, чем ещё несколько лет назад.

YOLO — это интеллектуальная сверточная нейронная сеть (CNN) для обнаружения объектов в режиме реального времени. Алгоритм применяет одну нейронную сеть к полному изображению, затем делит изображение на области и прогнозирует ограничивающие рамки и вероятности для каждой области. Эти ограничивающие рамки взвешиваются на основе прогнозируемых вероятностей.

YOLO популярен благодаря высокой точности и возможности работать в режиме реального времени. Алгоритм «смотрит на изображение только один раз», то есть для построения прогнозов ему требуется всего один проход нейронной сети.

После подавления немаксимальных значений (что гарантирует, что алгоритм обнаружения объектов обнаруживает каждый объект только один раз) он выводит распознанные объекты вместе с ограничивающими рамками. В YOLO одна сверточная нейронная сеть (CNN) одновременно предсказывает несколько ограничивающих прямоугольников и вероятности классов для этих прямоугольников. YOLO обучается на полных изображениях и напрямую оптимизирует эффективность обнаружения. Эта модель имеет ряд преимуществ по сравнению с другими методами обнаружения объектов.

Некоторые исследовательские работы по YOLO для лучшего понимания алгоритма:

https://pjreddie.com/media/files/pape...
https://pjreddie.com/media/files/pape...
https://pjreddie.com/media/files/pape...

GitHub: https://github.com/balajisrinivas
LinkedIn:   / balaji2512  

#yolo #ObjectDetection #CNN #Python