Registro de evidencia del método

YOLO

YOLO (You Only Look Once) is a single-shot, end-to-end convolutional object detector introduced by Redmon, Divvala, Girshick, and Farhadi at CVPR 2016. It reframes object detection as a single regression problem — predicting bounding box coordinates and class probabilities directly from an image in one forward pass — achieving real-time detection speeds that prior two-stage methods such as R-CNN could not match. The original paper spawned a widely adopted family of successors (YOLOv2 through v11) that continues to dominate applied object detection benchmarks.

Sources recorded, not reviewed

Registro de origen

Citas copiadas textualmente del registro de origen del método. No se infiere ninguna verificación a nivel de afirmación de ellas.

YOLO: You Only Look Once — Unified, Real-Time Object Detection

Registro del método taxonómico · ml-model / deep-learning

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

Abrir método completo

Afirmaciones curadas

Afirmaciones persistidas en el libro mayor de evidencia, cada una con su propia evaluación.

Aún no hay afirmaciones curadas

Esta vista no inventa una evaluación de afirmación si el libro mayor no tiene ninguna.

Métodos relacionados

Generado a partir del grafo de métodos y mostrado como relaciones sugeridas por la máquina; no se infiere ninguna afirmación de evidencia.

Same method familyResNetmachine-suggested · Relational suggestion, not evidence.