YOLO (You Only Look Once)
YOLO (You Only Look Once) est un détecteur d'objets convolutif unifié, de bout en bout, introduit par Redmon, Divvala, Girshick et Farhadi à la conférence CVPR 2016. Il reformule la détection d'objets comme un problème de régression unique — prédisant les coordonnées des boîtes englobantes et les probabilités de classe directement à partir d'une image en une seule passe avant — atteignant des vitesses de détection en temps réel que les méthodes antérieures en deux étapes, telles que R-CNN, ne pouvaient égaler. Le papier original a engendré une famille de successeurs largement adoptée (YOLOv2 à v11) qui continue de dominer les benchmarks appliqués de détection d'objets.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). YOLO: You Only Look Once — Unified, Real-Time Object Detection. ScholarGate. https://scholargate.app/fr/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 (Réseau Résiduel)Apprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →