溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這期內容當中小編將會給大家帶來有關神經網絡怎么全視野實時檢測目標YOLO，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。
YOLO全名You only look once（你只需要看一眼），是一個用于攝像頭的實時目標檢測系統。它能分辨出6000種物體，可在Titan X顯卡上以40-90FPS的幀率處理視頻。
007跑得再快，它看上一眼也能記住：
YOLO的作者是華盛頓大學（保羅·艾倫母校）的Joseph Redmon和保羅·艾倫AI研究所的Ali Farhadi，該項目目前已經開源，代碼用C和CUDA寫成，還有訓練好的參數供你下載。
YOLO在原理上不同于過往的目標檢測系統，人們過去只是把分類器和定位器的模型重用到目標檢測上，用以監控攝像頭視野中的多處位置和區域，得分最高的區域就被認為是發現目標。
YOLO的神經網絡則可以監控攝像頭的整個視野，如下圖所示，它把整個視野的圖像分成13×13的方格細胞：
每個方格細胞負責預測5個目標框，并以目標框來描述神經網絡所檢測到的物體：
不過，YOLO所輸出的置信度數值，并非針對它所要識別的目標，而是目標框形狀的契合程度。置信度越高，目標框就越粗：
目標框確定后，方格細胞便據此來預測目標的分類。以PASCAL VOC圖像數據集為例，YOLOh很輕松就能辨別出20種不同的目標：自行車、船、汽車、貓、狗、人……
與基于分類器的老式系統不同，YOLO僅運行一個神經網絡就能實時檢測目標，相比要運行數千個神經網絡才能檢測目標的R-CNN系統，它能快上1000倍。
上述就是小編為大家分享的神經網絡怎么全視野實時檢測目標YOLO了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
