YOLO (You Only Look Once)
YOLO (You Only Look Once) ialah pengesan objek konvolusional satu peringkat, hujung-ke-hujung yang diperkenalkan oleh Redmon, Divvala, Girshick, dan Farhadi di CVPR 2016. Ia membingkaikan semula pengesanan objek sebagai satu masalah regresi tunggal — meramal koordinat kotak sempadan dan kebarangkalian kelas secara langsung daripada imej dalam satu laluan ke hadapan — mencapai kelajuan pengesanan masa nyata yang tidak dapat ditandingi oleh kaedah dua peringkat terdahulu seperti R-CNN. Kertas asal melahirkan keluarga pengganti yang diterima pakai secara meluas (YOLOv2 hingga v11) yang terus mendominasi penanda aras pengesanan objek terpakai.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). YOLO: You Only Look Once — Unified, Real-Time Object Detection. ScholarGate. https://scholargate.app/ms/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)Pembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →