YOLO模型

Y_091105

已于 2022-05-20 09:43:28 修改

阅读量5.3k

点赞数 1

文章标签： python 开发语言

于 2022-05-19 18:07:39 首次发布

本文链接：https://blog.youkuaiyun.com/Y_091105/article/details/124863081

版权

YOLO是一种快速的目标检测模型，旨在识别图像中的物体位置和种类。它将图像分割成网格，每个网格预测多个边界框，每个框包含物体中心坐标、尺寸和类别概率。YOLO的优势在于其高效性，只需一次预测就能获取所有目标信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

一、yolo是什么？
二、yolo的原理
- 目标
- 原理

一、yolo是什么？

yolo是目标检测模型。目标检测是计算机视觉中比较简单的任务，用来在一张图片中找到特定的物体，目标检测不仅要求对物体的种类进行识别，同时要求我们对物体的位置进行标记。而且YOLO相比于以往的带有建议框的神经网络，速度大有提升。

类别是离散数据，位置是连续数据。

二、yolo的原理

目标

我们的目的是找出一张图片上物体的位置和种类，这其中包含5个信息：物体的中心位置（x，y），物体的长和宽（h，w），最后是物体的种类。
YOLO 的预测是基于整个图片的，并且它会一次性输出所有检测到的目标信息，包括类别和位置。就好像捕鱼，yolo会将整张网撒下去，将所有的鱼都捞起来。
假设我们处理的照片是一个正方形的。