Teburin Abubuwan Ciki[Boye][Nuna]
Gano abu nau'in nau'in rarrabuwar hoto ne wanda cibiyar sadarwar jijiyoyi ke tsammanin abubuwa a cikin hoto kuma ta zana akwatuna masu ɗaure kewaye da su. Ganowa da gano abubuwa a cikin hoto wanda ya dace da saitin azuzuwan da aka saita ana kiransa gano abu.
Gano abu (wanda kuma aka sani da sanin abu) wani yanki ne na musamman na hangen nesa na Kwamfuta saboda ayyuka kamar ganowa, ganowa, da gurɓatawa suna samun fa'ida mai fa'ida a cikin mahallin duniya.
Hanyar YOLO na iya taimaka maka yin waɗannan ayyuka. A cikin wannan maƙala, za mu kalli YOLO sosai, gami da mene ne, yadda take aiki, bambance-bambance daban-daban, da ƙari.
To, menene YOLO?
YOLO wata hanya ce don gano abu na ainihi da kuma ganewa a cikin hotuna. Gagara ce ga Kallon Ka Sau ɗaya kawai. Redmond et al. ya ba da shawarar tsarin a cikin takarda da aka fara bugawa a cikin 2015 a IEEE / CVF Conference on Computer Vision and Pattern Recognition (CVPR).
An ba da lambar yabo ta OpenCV People's Choice Award ga takarda. Ba kamar hanyoyin gano abubuwan da suka gabata ba, waɗanda suka sake yin ƙira don ganowa, YOLO yana ba da shawarar amfani da ƙarshen zuwa ƙarshe. neural network wanda ke hasashen akwatunan ɗaure da yuwuwar aji a lokaci guda.
YOLO yana samar da sakamako na zamani ta hanyar ɗaukar sabuwar hanya don gano abu, cikin sauƙi fiye da hanyoyin gano abu na ainihi na baya.
YOLO yana aiki
Hanyar YOLO tana raba hoton zuwa grids N, kowanne yana da daidaitaccen yanki na SxS. Kowanne daga cikin wadannan N grids ne ke da alhakin ganowa da gano abin da ya kunsa.
Waɗannan grid ɗin, bi da bi, suna yin hasashen daidaitawar akwatin ɗaurin B dangane da daidaitawar tantanin halitta, da sunan abu da yuwuwar abun ya kasance a cikin tantanin halitta. Saboda sel da yawa suna tsinkayar abu iri ɗaya tare da tsinkayar akwatin daɗe daban-daban, wannan dabarar tana rage ƙididdigewa sosai saboda duka ganowa da fitarwa ana sarrafa su ta sel daga hoton.
Koyaya, yana haifar da tsinkaya mai yawa. Don magance wannan matsalar, YOLO tana amfani da Ƙunƙarar Ƙarfafawa. YOLO yana murƙushe duk akwatunan da aka ɗaure tare da ƙananan ƙima mai yuwuwa a cikin Ƙunƙarar Mafi Girma.
YOLO yana yin hakan ta hanyar nazarin ƙima mai yiwuwa da ke da alaƙa da kowane zaɓi da zaɓar wanda yake da mafi girman maki. Akwatunan daure tare da babbar Matsakaici akan Union tare da babban akwatin yuwuwar halin yanzu ana danne.
Ana ci gaba da wannan tsari har sai an kammala akwatunan ɗaure.
Daban-daban na YOLO
Za mu kalli wasu mafi yawan nau'ikan YOLO. Mu fara.
1. YOLOv1
An sanar da sigar farko na YOLO a cikin 2015 a cikin littafin "Kuna Duba Sau ɗaya kawai: Haɗe-haɗe, Gane Abun Lokaci na Gaskiya” na Joseph Redmon, Santosh Divvala, Ross Girshick, da Ali Farhadi.
Saboda saurinsa, daidaitonsa, da ikon koyo, da sauri YOLO ya mamaye yankin gano abu kuma ya zama algorithm da aka fi amfani dashi. Maimakon magance gano abu a matsayin batun rarrabuwa, marubutan sun tunkare shi a matsayin matsala ta koma baya tare da akwatunan daure da ke da alaƙa da alaƙa da yuwuwar aji, waɗanda suka warware ta amfani da guda ɗaya. neural network.
YOLOv1 ya sarrafa hotuna a firam 45 a sakan daya a cikin ainihin lokaci, yayin da ƙaramin bambance-bambancen, Fast YOLO, ana sarrafa shi a firam 155 a sakan daya kuma har yanzu yana samun ninki biyu mAP na sauran masu gano ainihin lokaci.
2. YOLOv2
Bayan shekara guda, a cikin 2016, Joseph Redmon da Ali Farhadi sun fito da YOLOv2 (wanda aka fi sani da YOLO9000) a cikin takarda "YOLO9000: Mafi kyau, Sauri, Ƙarfi. "
Ƙarfin samfurin don yin hasashen ko da nau'ikan nau'ikan nau'ikan nau'ikan abubuwa 9000 ne yayin da yake gudana a cikin ainihin-lokaci ya ba shi matsayi na 9000. Ba wai kawai sabon sigar ƙirar an horar da shi a lokaci guda akan gano abubuwa da bayanan rarrabuwa ba, amma kuma ya sami Darknet-19 a matsayin sabon tushe. abin koyi.
Saboda YOLOv2 kuma ya kasance babban nasara kuma da sauri ya zama samfurin ganewa na zamani na gaba, wasu injiniyoyi sun fara gwaji tare da algorithm kuma suna samar da nasu, nau'in YOLO na musamman. Wasu daga cikinsu za a tattauna a wurare daban-daban a cikin takarda.
3. YOLOv3
A cikin takarda"YOLOv3: Ingantacciyar haɓakawa, " Joseph Redmon da Ali Farhadi sun buga sabon sigar algorithm a cikin 2018. An gina shi akan gine-ginen Darknet-53. Masu rarraba dabaru masu zaman kansu sun maye gurbin tsarin kunnawa softmax a cikin YOLOv3.
An yi amfani da asarar giciye-entropy na binary yayin horo. An inganta Darknet-19 kuma an sake masa suna Darknet-53, wanda yanzu yana da yadudduka na juyin juya hali 53. Baya ga wannan, an yi tsinkaya akan ma'auni guda uku, wanda ya taimaka YOLOv3 ya inganta daidaito a cikin tsinkayar ƙananan abubuwa.
YOLOv3 shine sigar YOLO na ƙarshe na Joseph Redmon, tun da ya zaɓi kada ya yi aiki a kan ƙarin haɓakar YOLO (ko ma a cikin hangen nesa na kwamfuta) don guje wa aikin sa yana da tasiri mai tasiri a duniya. Yanzu galibi ana amfani da shi azaman wurin farawa don gina keɓaɓɓen gine-ginen gano abubuwa.
4. Yolov4
Alexey Bochkovskiy, Chien-Yao Wang, da Hong-Yuan Mark Liao sun buga "YOLOv4: Madaidaicin Gudun Gudun da daidaiton Gane Abu” a cikin Afrilu 2020, wanda shine karo na huɗu na YOLO algorithm.
Haɗin Haɗin Maɗaukakin Maɗaukaki, Haɗin-Mataki-Kasuwanci, Giciye ƙaramin tsari na daidaitawa, horar da abokan gaba, kunna mish, toshe juzu'i, da asarar CIoU duk an gabatar dasu azaman wani ɓangare na gine-ginen SPDarknet53.
YOLOv4 zuriyar dangin YOLO ne, duk da haka, masana kimiyya daban-daban ne suka haɓaka shi (ba Joseph Redmon da Ali Farhadi ba). SPDarknet53 kashin baya, dala na sararin samaniya, tara hanyar PANet azaman wuyansa, da shugaban YOLOv3 sun tsara gine-ginensa.
Sakamakon haka, idan aka kwatanta da iyayenta, YOLOv3, YOLOv4 ya sami 10% mafi girma Matsakaicin Matsakaicin da 12% mafi kyawun Frames Per Second na awo.
5. YOLOv5
YOLOv5 wani aiki ne mai buɗewa wanda ya haɗa da kewayon samfuran gano abubuwa da algorithms bisa tsarin YOLO wanda aka riga aka horar da shi akan bayanan COCO.
YOLOv5 tarin samfura ne na gano abu mai sikeli an horar da su a kan bayanan COCO, tare da sauƙi mai sauƙi don TTA, ƙirar ƙira, haɓaka hyperparameter, da fitarwa zuwa ONNX, CoreML, da TFLite. Saboda YOLOv5 baya aiwatarwa ko haɓaka kowane wata hanya ta musamman, ba za a iya fitar da takarda na yau da kullun ba. Kawai YOLOv3's PyTorch tsawo ne.
Ultranytics sun yi amfani da wannan yanayin don tallata sigar "sabon YOLO" a ƙarƙashin tallafin sa. Domin kuma akwai nau'ikan da aka riga aka horar da su guda biyar, shafin gida na YOLOv5 yana da saukin kai kuma an tsara shi cikin sana'a kuma an rubuta shi, tare da darussa da dama da shawarwari kan horo da amfani da tsarin YOLOv5.
Iyakokin YOLO
Kodayake YOLO ya bayyana shine mafi girman fasaha don warwarewa gano abu matsaloli, yana da yawan drawbacks. Saboda kowane grid yana iya gano abu ɗaya kawai, YOLO yana da wahalar ganowa da ware ƙananan abubuwa a cikin hotuna waɗanda ke faruwa a rukuni. Ƙananan abubuwa a cikin swarms, irin su tururuwa, suna da wuya ga YOLO su gano da gano su.
Idan aka kwatanta da mahimman hanyoyin gano abu a hankali kamar Fast RCNN, YOLO kuma ana siffanta shi da ƙarancin daidaito.
Fara amfani da YOLOv5
Idan kuna sha'awar ganin YOLOv5 a cikin aiki, duba hukuma GitHub da kuma YOLOv5 a cikin PyTorch.
Kammalawa
Sigar farko ta YOLOv5 tana da saurin gaske, mai aiki, kuma mai sauƙin amfani. Duk da yake YOLOv5 ba ya ƙara wani sabon tsarin gine-gine ga dangin YOLO, yana ba da sabon horo na PyTorch da tsarin ƙaddamarwa wanda ke haɓaka yanayin fasaha don gano abubuwa.
Bugu da ƙari kuma, YOLOv5 yana da abokantaka mai amfani sosai kuma yana fitowa "daga cikin akwatin" a shirye don amfani da abubuwan da ake magana.
Leave a Reply