O le su'esu'eina o mea faitino o se ituaiga o fa'avasegaga o ata lea e fa'atalitali ai e se neural network mea o lo'o i totonu o se ata ma fa'asolo ai pusa fa'ata'atia. O le su'eina ma le fa'avasegaina o mea i se ata e fa'atatau i se seti seti o vasega ua ta'ua o le su'esu'eina o mea.
O le su'esu'eina o mea (fa'aigoaina o le fa'ailoaina o mea) ose vaega taua tele o le Va'aiga Fa'akomepiuta ona o galuega e pei o le su'esu'eina, fa'ailoaina, ma le fa'asinomaga e maua ai le fa'aoga lautele i totonu o le lalolagi moni.
Ole auala ole YOLO e mafai ona fesoasoani ia te oe e fai nei galuega. I lenei tala, o le a tatou vaʻavaʻai totoʻa i le YOLO, e aofia ai le mea, faʻafefea ona galue, eseesega eseese, ma isi mea.
O le a la le YOLO?
O le YOLO o se metotia mo le fa'ailoaina o mea i le taimi moni ma le fa'ailoaina i ata. O se fa'apuupuuga mo E Na'o E Va'ai Fa'atasi. Redmond et al. fautuaina le auala i se pepa na muamua lomia i le 2015 i le IEEE / CVF Conference on Computer Vision and Pattern Recognition (CVPR).
O le OpenCV People's Choice Award na tu'uina atu i le pepa. E le pei o auala muamua e iloagofie ai mea faitino, lea na toe faʻaaogaina ai faʻavasegaga e fai ai suʻesuʻega, ua faʻatulagaina e le YOLO le faʻaogaina o le pito i le pito. fesoʻotaʻiga faʻanoanoa o lo'o va'ai ai pusa ta'atia ma avanoa o vasega i le taimi e tasi.
O le YOLO e maua ai fa'ai'uga fa'aonaponei e ala i le faia o se faiga fou fa'avae i le fa'ailoaina o mea faitino, e faigofie ona fa'asolo atu i auala sa'ili'ili o mea i le taimi moni.
YOLO galue
Ole auala ole YOLO e vaevae ai le ata ile N grids, e tofu ma se vaega tutusa SxS dimensional vaega. O nei N grids e nafa ma le suʻeina ma le suʻeina o le mea o loʻo i ai.
O nei fa'asologa, i le isi itu, o lo'o va'ai ai fa'amaopoopo pusa fa'amauina B e fa'atatau i fa'amaopoopo sela, fa'apea fo'i ma le igoa o le meataitasi ma le mea e ono iai le mea i totonu o le sela. Ona o le tele o sela o lo'o vavalo le mea lava e tasi ma va'aiga va'aiga pusa fa'apipi'i eseese, o lenei metotia e matua fa'aitiitia ai le fa'atusatusaina ona o le su'esu'eina ma le fa'ailoaina e fa'atautaia e sela mai le ata.
Ae ui i lea, e maua mai ai le tele o valoʻaga faʻalua. Ina ia foia lenei faʻafitauli, e faʻaaogaina e le YOLO le Non-Maximal Suppression. O le YOLO e taofiofia uma pusa fa'apipi'i ma fa'ailoga maualalo maualalo ile Non-Maximal Suppression.
E faia e le YOLO lenei mea e ala i le su'esu'eina o fa'ailoga e mafai ona feso'ota'i ma filifiliga ta'itasi ma filifili le mea e sili ona maualuga. O pusa fa'apipi'i fa'atasi ai ma le tele o Feso'ota'iga i luga ole Iuni fa'atasi ai ma le pusa fa'apipi'i maualuga o lo'o iai nei, ona tape lea.
E fa'aauau pea lea faiga se'ia mae'a pusa fa'amau.
Eseese fesuiaiga o YOLO
O le a tatou vaʻavaʻai i nisi o lomiga masani a le YOLO. Tatou amata.
1. YOLOv1
O le uluai lomiga a le YOLO na faalauiloaina i le 2015 i le lomiga "E Na'o le Ta'itasi E Te Va'ai: Fa'atasi, Su'esu'eina Mea Mea” saunia e Joseph Redmon, Santosh Divvala, Ross Girshick, ma Ali Farhadi.
Ona o lona saoasaoa, saʻo, ma le mafai ona aʻoaʻoina, na vave ona pulea e le YOLO le vaega o mea e iloagofie ai ma avea ma algorithm sili ona faʻaaogaina. Nai lo le faʻatalanoaina o le suʻesuʻeina o mea faitino o se faʻavasegaga mataupu, na faʻafeiloaʻi e le au tusitala o se faʻafitauli o le toe faʻafoʻi faʻatasi ma pusa faʻamaufaʻailogaina faʻafanua ma faʻalavelave faʻapitoa o vasega, lea na latou foia i le faʻaaogaina o se tasi. fesoʻotaʻiga faʻanoanoa.
O le YOLOv1 na gaosia ata i le 45 faʻavaa i le sekone i le taimi moni, ae o se laʻititi laʻititi, Fast YOLO, faʻapipiʻiina i le 155 faʻavaa i le sekone ma maua ai faʻalua le faʻafanua o isi suʻesuʻega taimi moni.
2. YOLOv2
I le tausaga mulimuli ane, i le 2016, na tatalaina ai e Joseph Redmon ma Ali Farhadi le YOLOv2 (lea e lauiloa o YOLO9000) i le pepa "YOLO9000: Sili, Saosaoa, Malosi. "
O le malosi o le faʻataʻitaʻiga e vaʻai ai e oʻo lava i le 9000 vaega o mea eseese aʻo faʻaauau pea i le taimi moni na maua ai le igoa 9000. E le gata o le faʻataʻitaʻiga fou na aʻoaʻoina i le taimi e tasi i luga o mea faitino ma faʻavasega faʻamaumauga, ae na maua foi Darknet-19 e avea ma laina fou. fa'ata'ita'iga.
Talu ai o le YOLOv2 o se manuia tele foi ma vave ona avea ma faʻataʻitaʻiga faʻataʻitaʻiga o mea faitino, o isi inisinia na amata faʻataʻitaʻi i le algorithm ma gaosia a latou lava, tulaga ese YOLO versions. O nisi oi latou o le a talanoaina i vaega eseese o le pepa.
3. YOLOv3
I le pepa "YOLOv3: Ose Fa'aleleia atili, "Na lomia e Joseph Redmon ma Ali Farhadi se lomiga fou o le algorithm i le 2018. Na fausia i luga o le fausaga o Darknet-53. Tuto'atasi logistic fa'avasegaina suia le softmax activation masini i YOLOv3.
O le binary cross-entropy loss na faʻaaogaina i le taimi o toleniga. Darknet-19 na faʻaleleia ma toe faʻaigoaina Darknet-53, lea ua i ai nei le 53 convolutional layers. E ese mai i lena, o valoʻaga na faia i luga o fua eseese e tolu, lea na fesoasoani i le YOLOv3 faʻaleleia lona saʻo i le vavalo o mea laiti.
O le YOLOv3 o le YOLO mulimuli a Joseph Redmon, talu ai na ia filifili e le galue i se isi faʻaleleia atili o le YOLO (poʻo i totonu o le komepiuta vaʻai vaega) ina ia aloese mai lana galuega o loʻo i ai se aafiaga leaga i le lalolagi. Ua fa'aaogaina nei e fai ma amataga mo le fausiaina o fausaga tulaga ese e iloa ai mea.
4. Yolov4
Alexey Bochkovskiy, Chien-Yao Wang, ma Hong-Yuan Mark Liao lomia “YOLOv4: Saosaoa Lelei ma le Sa'o ole Su'esu'ega Mea” ia Aperila 2020, o le lona fa lea o le YOLO algorithm.
O Feso'ota'iga Fa'ato'a Fa'amamafa, Feso'ota'iga Fa'asaga-Vaega-Vaega, fa'avasegaga fa'atauva'a la'ititi, a'oa'oga a le tagata lava ia, fa'agaoioiga mish, poloka pa'u, ma le leiloa o le CIoU na fa'alauiloa uma o se vaega o le fausaga SPDarknet53.
YOLOv4 o se suli o le aiga YOLO, peitaʻi, na atiaʻe e saienitisi eseese (e le o Joseph Redmon ma Ali Farhadi). SPDarknet53 ponaivi, fa'aputuga fa'a-spatial pyramid, PANet ala-agregation pei o le ua, ma YOLOv3 ulu e fausia ai lona fausaga.
O se taunuuga, pe a faatusatusa i lona matua, YOLOv3, YOLOv4 ausia le 10% maualuga Average Sa'o ma 12% sili atu Frames Per Second metrics.
5. YOLOv5
YOLOv5 o se poloketi faʻapitoa e aofia ai le tele o faʻataʻitaʻiga faʻamaonia o mea faitino ma algorithms e faʻavae i luga o le YOLO faʻataʻitaʻiga ua uma ona aʻoaʻoina i luga o le COCO dataset.
O le YOLOv5 o se fa'aputuga o fa'ata'ita'iga fa'ata'ita'iga fa'ameamea aʻoaʻoina i luga o le COCO dataset, faʻatasi ai ma agavaʻa faigofie mo TTA, faʻataʻitaʻiga faʻapotopotoga, atinaʻe hyperparameter, ma faʻatau atu i ONNX, CoreML, ma TFLite. Talu ai e le fa'atinoina e le YOLOv5 ni auala fa'apitoa, e le'i mafai ona tu'uina atu le pepa aloaia. E na'o le YOLOv3's PyTorch fa'aopoopoga.
Na faʻaaogaina e Ultranytics lenei faʻaaliga e faʻasalalau ai le "YOLO fou" version i lalo o lana lagolago. Talu ai e lima fo'i fa'ata'ita'iga a'o le'i a'oa'oina e mafai ona maua, o le YOLOv5 homepage e fai si sa'o ma fa'apolofesa fa'atulagaina ma tusia, fa'atasi ai ma le tele o lesona ma fautuaga i a'oa'oga ma le fa'aogaina o ata YOLOv5.
YOLO tapula'a
E ui o le YOLO e foliga mai o le auala sili lea mo le foia mea e sailia faʻafitauli, e iai le tele o faʻafitauli. Talu ai e na'o le tasi le aitema e mafai ona fa'ailoa mai ai e ta'itasi, e faigata ai i le YOLO ona su'esu'eina ma tu'u'ese'ese mea laiti i ata e tutupu fa'atasi. O mea laiti i 'au, e pei o le 'au o loi, e faigata mo YOLO ona iloa ma maua.
Pe a fa'atusatusa i metotia fa'ailoa mea e fa'agesegese tele e pei o le Fast RCNN, o le YOLO e fa'apea fo'i ona fa'ailogaina i le fa'aitiitia o le sa'o.
Amata fa'aaoga YOLOv5
Afai e te fiafia e vaʻai i se YOLOv5 i le gaioiga, siaki le GitHub aloaia ma YOLOv5 ile PyTorch.
iʻuga
O le uluai lomiga a le YOLOv5 e matua televave, fa'atino, ma faigofie ona fa'aoga. E ui e le faʻaopoopoina e le YOLOv5 soʻo se faʻataʻitaʻiga faʻataʻitaʻiga fou i le aiga YOLO, e maua ai se aʻoaʻoga fou a le PyTorch ma le faʻatulagaina o faʻatulagaga e faʻaleleia ai le tulaga o le faatufugaga mo mea e iloa ai mea.
E le gata i lea, o le YOLOv5 e sili ona faʻaoga-tagata ma e sau "mai le pusa" ua sauni e faʻaoga i mea faʻapitoa.
Tuua se tali