YOLO (You Only Look Once)
YOLO (You Only Look Once) er en single-shot, end-to-end konvolutionel objekt-detektor introduceret af Redmon, Divvala, Girshick og Farhadi ved CVPR 2016. Den omformulerer objekt-detektion som et enkelt regressionsproblem — forudsiger bounding box-koordinater og klasse-sandsynligheder direkte fra et billede i ét forward pass — og opnår realtids-detektionshastigheder, som tidligere to-trins metoder som R-CNN ikke kunne matche. Den oprindelige artikel affødte en bredt anvendt familie af efterfølgere (YOLOv2 til v11), der fortsat dominerer benchmarks for anvendt objekt-detektion.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779–788. DOI: 10.1109/CVPR.2016.91 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3
Sådan citerer du denne side
ScholarGate. (2026, June 3). YOLO: You Only Look Once — Unified, Real-Time Object Detection. ScholarGate. https://scholargate.app/da/deep-learning/yolo
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ResNet (Residual Network)Dyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →