机器学习笔记 - YOLO家族简介

一、背景概述

        目标检测是计算机视觉中最重要的课题之一。大多数计算机视觉问题都涉及检测视觉对象类别，如行人、汽车、公共汽车、人脸等。这一领域不仅限于学术界，而且在视频监控、医疗保健、车载传感和自动驾驶。

        许多用例，尤其是自动驾驶，需要高精度和实时推理速度。因此，选择适合速度和准确性要求的物体检测器变得至关重要。YOLO（You Only Look Once）是一种单级目标检测器，用于实现两个目标（即速度和准确性）。而今天，我们将通过涵盖所有 YOLO 变体（例如，YOLOv1、YOLOv2、...、YOLOX、YOLOR）来介绍 YOLO 家族。

        自成立以来，对象检测领域已经显着增长，并且最先进的架构在各种测试数据集上都能很好地推广。但是要了解这些当前最好的架构背后的魔力，有必要知道这一切是如何开始的，以及我们在 YOLO 家族中已经走到了多远。

        物体检测算法分为三类：

        1、基于传统计算机视觉

        2、基于两阶段深度学习的算法

        3、第三个是基于单阶段深度学习的算法

        今天，我们将讨论 YOLO 对象检测家族，它属于单阶段深度学习算法。

        我们相信这是一篇独一无二的博客文章，在一篇文章中涵盖了所有 YOLO 变体，将帮助您深入了解每个变体，并可能帮助您为您的项目选择最佳的 YOLO 版本。