文章预览
点击下方 卡片 ，关注“ 小白玩转Python ”公众号 引言 本文介绍了YOLO（You Only Look Once），一种基于卷积神经网络（CNN）的物体检测模型。与依赖基于分类方法的传统物体检测模型不同，YOLO通过基于回归的方法直接推断边界框来预测物体位置。这种端到端的CNN模型以其卓越的处理速度和高预测精度脱颖而出，在这两方面都优于许多现有的物体检测架构。 图1. YOLO检测图 背景 近年来，物体检测的进展主要依赖于基于CNN的架构，包括R-CNN和DPM等著名模型。然而，大多数传统模型涉及多阶段流程，导致推理时间较长且复杂性增加。此外，它们复杂的结构使得优化和参数调整变得困难。相比之下，YOLO引入了一种基于回归的端到端CNN架构，提供了几个关键优势： 实时推理 YOLO实现了每秒45帧的惊人处理速度，当使用Titan X GPU时，其变体甚至可以达到每秒150帧。
………………………………
