神经网络怎么全视野实时检测目标YOLO

这期内容当中小编将会给大家带来有关神经网络怎么全视野实时检测目标YOLO，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

创新新互联，凭借十余年的做网站、成都网站设计经验，本着真心·诚心服务的企业理念服务于成都中小企业设计网站有上千家案例。做网站建设，选成都创新互联公司。

YOLO全名You only look once（你只需要看一眼），是一个用于摄像头的实时目标检测系统。它能分辨出6000种物体，可在Titan X显卡上以40-90FPS的帧率处理视频。

007跑得再快，它看上一眼也能记住：

YOLO的作者是华盛顿大学（保罗·艾伦母校）的Joseph Redmon和保罗·艾伦AI研究所的Ali Farhadi，该项目目前已经开源，代码用C和CUDA写成，还有训练好的参数供你下载。

YOLO在原理上不同于过往的目标检测系统，人们过去只是把分类器和定位器的模型重用到目标检测上，用以监控摄像头视野中的多处位置和区域，得分最高的区域就被认为是发现目标。

YOLO的神经网络则可以监控摄像头的整个视野，如下图所示，它把整个视野的图像分成13×13的方格细胞：

每个方格细胞负责预测5个目标框，并以目标框来描述神经网络所检测到的物体：

不过，YOLO所输出的置信度数值，并非针对它所要识别的目标，而是目标框形状的契合程度。置信度越高，目标框就越粗：

目标框确定后，方格细胞便据此来预测目标的分类。以PASCAL VOC图像数据集为例，YOLOh很轻松就能辨别出20种不同的目标：自行车、船、汽车、猫、狗、人……

与基于分类器的老式系统不同，YOLO仅运行一个神经网络就能实时检测目标，相比要运行数千个神经网络才能检测目标的R-CNN系统，它能快上1000倍。

上述就是小编为大家分享的神经网络怎么全视野实时检测目标YOLO了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。