YOLO(You Only Look Once,意为“你只看一次”)是一个用于实时目标检测和分类的流行的目标检测模型系列,在计算机视觉领域中广泛应用。
YOLO最初由Joseph Redmon、Ali Farhadi和Santosh Divvala开发,旨在以实时速度实现高准确率的目标检测。这个模型系列属于单阶段目标检测模型,通过卷积神经网络(CNN)的一次前向传递来处理整个图像。
YOLO的关键特征是其单阶段检测方法,设计用于实时且高精度地检测目标。与R-CNN等两阶段检测模型不同,YOLO处理整个图像只需一次传递,因此速度更快、效率更高。
来源:Pjreddie. The YOLO Detection System. 使用YOLO处理图像简单而直接。我们的系统 (1) 将输入图像调整为448 × 448像素,(2) 在图像上运行一个卷积网络,(3) 根据模型的置信度对结果进行阈值处理。
在本文中,我们将重点关注YOLOv8,这是由Ultralytics开发的最新版本YOLO系统。我们将讨论其从YOLO到YOLOv8的演变过程、网络架构、新功能及其应用。此外,我们还将提供YOLOv8的分步使用指南,最后介绍如何使