admin管理员组

文章数量:1630017

文章目录

  • 摘要
  • 1、简介
  • 2、YOLO在不同领域的应用
  • 3、目标检测的度量标准和非最大值抑制（NMS）
    • 3.1. AP如何工作？
    • 3.2. 计算AP
    • 3.3、非极大值抑制（NMS）
  • 4、YOLO: You Only Look Once
    • 4.1、YOLOv1的工作原理
    • 4.2、YOLOv1架构
    • 4.3、YOLOv1训练
    • 4.4、YOLOv1的优点和限制
  • 5、YOLOv2：更好、更快、更强
    • 5.1、YOLOv2体系结构
    • 5.2、YOLO9000是一个更强大的YOLOv2
  • 6、YOLOv3
    • 6.1、YOLOv3架构
    • 6.2、YOLOv3多尺度预测
  • 7、主干、颈部和头部
  • 8、YOLOv4
  • 9、YOLOv5
    • 9.1、YOLOv5架构
  • 11、YOLOR
  • 14、YOLOv7
    • 14.1、与YOLOv4和YOLOR的比较
  • 15、DAMO-YOLO
  • 16、YOLOv8
    • 16.1、YOLOv8架构
  • 17、PP-YOLO、PP-YOLOv2 和 PP-YOLOE
    • 17.1、PP-YOLO的数据增强和预处理
    • 17.2、PP-YOLOv2
    • 17.3 PP-YOLOE
  • 18、YOLO-NAS
  • 19、使用Transformer的YOLO
  • 20、讨论
    • 20.1、速度与精度之间的权衡
  • 21、YOLO的未来
  • 致谢

摘要

https://arxiv/pdf/2304.00501.pdf
YOLO已成为机器人、无人驾驶汽车和视频监控应用的核心实时目标检测系统。我们全面分析了YOLO的演变，研究了从原始YOLO到YOLOv8、YOLO-NAS和带有Transformer的YOLO的每次迭代的创新和贡献。我们首先描述了标准指标和后处理；然后，我们讨论了每个模型在网络架构和训练技巧方面的主要变化。最后，我们总结了YOLO开发的重要经验教训，并对其未来提出了看法，强调了增强实时目标检测系统的潜在研究方向。

关键词YOLO·目标检测·深度学习·计算机视觉

1、简介

实时目标检测已成为许多应用中的关键组成部分，跨越多个领域，如自动驾驶汽车、机器人、视频监控和增强现实。在各种目标检测算法中，YOLO（你只需看一次）框架因其速度和精度方面卓越的平衡而脱颖而出，能够在图像中快速可靠地识别目标。自其问世以来，YOLO系列已经通过多次迭代发展起来，每个版本都是在前一个版本的基础上进行改进，以解决局限性并提高性能（如图1所示）。本文旨在全面回顾YOLO框架的发展

本文标签： 最新版本Yolo

版权声明：本文标题：YOLO的全面综述：从YOLOv1到最新版本 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dianzi/1729069544a1184910.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。