یولو
YOLO، که مخفف "You Only Look Once" است، یک الگوریتم محبوب برای تشخیص اشیاء در زمان واقعی است که اشیاء خاص را در تصاویر یا ویدئوها شناسایی می‌کند. برخلاف الگوریتم‌های سنتی تشخیص اشیاء که به مراحل متعدد یا نواحی علاقه‌مند تکیه دارند، YOLO یک شبکه عصبی واحد را به کل تصویر در یک مرحله اعمال می‌کند. این ویژگی به YOLO امکان می‌دهد تا به سرعت استنتاج در زمان واقعی دست یابد و آن را برای کاربردهایی مانند نظارت، وسایل نقلیه خودران و تحلیل ویدئو مناسب می‌کند.
ویژگی‌های کلیدی YOLO شامل موارد زیر است:
تشخیص در یک مرحله: YOLO تصویر ورودی را به یک شبکه تقسیم کرده و جعبه‌های محصور و احتمال‌های کلاس را مستقیماً از سلول‌های شبکه پیش‌بینی می‌کند. این ویژگی به YOLO امکان می‌دهد تا چندین شیء را در یک مرحله از طریق شبکه عصبی شناسایی کند، که منجر به سرعت استنتاج سریع می‌شود.
چارچوب یکپارچه: YOLO یک چارچوب یکپارچه است که همزمان هم مکان‌یابی شیء و هم طبقه‌بندی را انجام می‌دهد. به جای جدا کردن این وظایف به مراحل مختلف، YOLO جعبه‌های محصور و احتمال‌های کلاس را مستقیماً از تصویر ورودی پیش‌بینی می‌کند، که منجر به تشخیص اشیاء کارآمد و دقیق می‌شود.
جعبه‌های لنگر: YOLO از جعبه‌های لنگر برای بهبود دقت مکان‌یابی شیء استفاده می‌کند. جعبه‌های لنگر شکل‌های از پیش تعریف شده‌ای هستند که نسبت‌های مختلف و مقیاس‌های اشیاء را نشان می‌دهند. با پیش‌بینی انحراف‌ها نسبت به این جعبه‌های لنگر، YOLO می‌تواند به طور دقیق اشیاء با اندازه‌ها و شکل‌های مختلف را مکان‌یابی کند.
هرم ویژگی‌ها: YOLO از شبکه هرم ویژگی‌ها برای گرفتن ویژگی‌های چند مقیاسی از تصویر ورودی استفاده می‌کند. این ویژگی به YOLO امکان می‌دهد تا اشیاء را در مقیاس‌ها و رزولوشن‌های مختلف شناسایی کند، و عملکرد آن را بر روی اشیاء با اندازه‌های مختلف بهبود می‌بخشد.
چندکاربردی: YOLO یک الگوریتم چندکاربردی است که می‌تواند برای وظایف مختلفی مانند تشخیص عمومی اشیاء، تشخیص عابر پیاده، تشخیص وسایل نقلیه و بیشتر استفاده شود. قابلیت‌های زمان واقعی آن باعث می‌شود که برای کاربردهای مختلف در بینایی کامپیوتر مناسب باشد.
در کل، YOLO یک الگوریتم قوی و کارآمد برای تشخیص اشیاء است که عملکرد زمان واقعی و دقت بالایی ارائه می‌دهد، که آن را برای تحقیقات و صنعت در زمینه‌های مختلف بینایی کامپیوتر به طور گسترده‌ای استفاده می‌کند.
Last updated
Was this helpful?