使用google-colab執行yolov5車輛人流偵測
使用google-colab執行yolov5車輛人流偵測
YOLO的含義是“你只看一次”（You Only Look Once）。這也是使用單一卷積網絡進行快速目標檢測的框架名稱。 YOLO 的運行速度通常會比其他物體檢測系統更快，因為其會即時地從整體視角查看圖像，而不是逐個像素地進行掃描。
為了實現這一點，YOLO會將圖像分解為網格，然後對網格化後每個部分進行分類和本地化（即：建立對象和結構）。然後其會預測應該在哪裡放置邊界框。在預測邊界框時，YOLO採用了基於回歸的算法，而不是基於分類的算法。
通常而言，基於分類的算法分兩步完成：1. 選擇感興趣區域（ Region Of Interest，ROI）；2. 在選定的區域中應用卷積神經網絡（convolutional neural network，CNN）以檢測對象。
YOLO的回歸算法將一次性預測整個圖像的邊界框，這使得其速度得到顯著提升，並為系統的名稱提供了一個十分機智的選項。
為了實現這一點，YOLO會將圖像分解為網格，然後對網格化後每個部分進行分類和本地化（即：建立對象和結構）。然後其會預測應該在哪裡放置邊界框。在預測邊界框時，YOLO採用了基於回歸的算法，而不是基於分類的算法。
通常而言，基於分類的算法分兩步完成：1. 選擇感興趣區域（ Region Of Interest，ROI）；2. 在選定的區域中應用卷積神經網絡（convolutional neural network，CNN）以檢測對象。
YOLO的回歸算法將一次性預測整個圖像的邊界框，這使得其速度得到顯著提升，並為系統的名稱提供了一個十分機智的選項。
閱讀更多 »
標籤： yolov5
