YOLO (You Only Look Once)
YOLO (You Only Look Once) ist ein Single-Shot, End-to-End Convolutional Object Detector, der von Redmon, Divvala, Girshick und Farhadi auf der CVPR 2016 eingeführt wurde. Er formuliert Objektdetektion als ein einziges Regressionsproblem neu – die Vorhersage von Bounding-Box-Koordinaten und Klassenwahrscheinlichkeiten direkt aus einem Bild in einem einzigen Durchlauf – und erreicht Echtzeit-Detektionsgeschwindigkeiten, die frühere zweistufige Methoden wie R-CNN nicht erreichen konnten. Das Originalpapier brachte eine weit verbreitete Familie von Nachfolgern (YOLOv2 bis v11) hervor, die weiterhin die Benchmarks für angewandte Objektdetektion dominieren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). YOLO: You Only Look Once — Unified, Real-Time Object Detection. ScholarGate. https://scholargate.app/de/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)Deep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →