Tabla de contenido
I. Introducción
La detección de objetos en tiempo real se ha convertido en un componente clave de numerosas aplicaciones de vecindario, que incluyen: vehículos autónomos, robótica, videovigilancia y realidad aumentada. Entre los muchos algoritmos de detección de objetos, en los últimos años, el marco YOLO (You Only Look Once) se ha destacado por su excelente velocidad y precisión, y se ha demostrado que puede identificar objetos en imágenes de manera rápida y confiable. Desde su nacimiento, YOLO ha pasado por muchas iteraciones, y cada versión se ha mejorado sobre la base de la versión anterior, mejorando constantemente el rendimiento. Al momento de escribir este artículo, el marco de YOLO se ha actualizado de V1 a v8. Como aplicación de tecnología de visión artificial, es necesario que tengamos una comprensión sistemática de la evolución tecnológica de YOLO y que estemos familiarizados con las principales innovaciones, diferencias y mejoras entre cada versión de YOLO (como diseño de red, modificación de función de pérdida , adaptación del marco de anclaje y escalado de resolución de entrada) espera). Para comprender mejor el pulso principal del desarrollo tecnológico de YOLO y elegir y aplicar mejor las tecnologías de reconocimiento visual relacionadas. Hay tres notas de estudio de resumen de tecnología YOLO, principalmente siguiendo la
línea principal del artículo extranjero "UNA REVISIÓN INTEGRAL DE YOLO: DESDE YOLOV1 Y MÁS ALLÁ" para estudiar y formar una comprensión racional de la tecnología YOLO mediante la síntesis de otra literatura.
Dos, YOLOv4
YOLOv4 fue lanzado en ArXiv en abril de 2020 por Alexey Bochkovskiy, Chien-Yao Wang y Hong-YuanMark Liao. YOLOv4 mantuvo la misma filosofía de YOLO (en tiempo real, código abierto, disparo único y marco oscuro) y las mejoras fueron tan satisfactorias que la comunidad aceptó rápidamente esta versión como YOLOv4 oficial. YOLOv4 intenta encontrar el equilibrio óptimo experimentando con una serie de cambios categorizados como Bolsa de regalos y Bolsa de ofertas especiales. (Bag-of-freebies) es un método que solo cambia la estrategia de entrenamiento y aumenta el costo de entrenamiento pero no aumenta el tiempo de inferencia, el más común es el aumento de datos