YOLO (You Only Look Once)
YOLO (You Only Look Once) to jednoprzebiegowy, kompleksowy detektor obiektów oparty na sieciach konwolucyjnych, wprowadzony przez Redmona, Divvalę, Girshicka i Farhadiego na konferencji CVPR w 2016 roku. Przekształca on detekcję obiektów w pojedynczy problem regresji — przewidywanie współrzędnych ramek ograniczających i prawdopodobieństw klas bezpośrednio z obrazu w jednym przebiegu w przód — osiągając prędkości detekcji w czasie rzeczywistym, których nie mogły dorównać wcześniejsze metody dwuetapowe, takie jak R-CNN. Oryginalna publikacja dała początek szeroko stosowanej rodzinie następców (YOLOv2 do v11), która nadal dominuje w rankingach zastosowań detekcji obiektów.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). YOLO: You Only Look Once — Unified, Real-Time Object Detection. ScholarGate. https://scholargate.app/pl/deep-learning/yolo
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- ResNet (Residual Network)Uczenie głębokie↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →