【推荐】YOLO实时目标检测(6fps)

2017 年 11 月 5 日 机器学习研究会
3D目标检测进展综述
专知会员服务
124+阅读 · 2020年4月24日
【推荐】YOLO实时目标检测(6fps)


点击上方 “机器学习研究会”可以订阅


摘要
 

转自:爱可可-爱生活

Object detection is one of the classical problems in computer vision:


Recognize what the objects are inside a given image and also where they are in the image.


Detection is a more complex problem than classification, which can also recognize objects but doesn’t tell you exactly where the object is located in the image — and it won’t work for images that contain more than one object.



YOLO is a clever neural network for doing object detection in real-time.


In this blog post I’ll describe what it took to get the “tiny” version of YOLOv2 running on iOS using Metal Performance Shaders.


Before you continue, make sure to watch the awesome YOLOv2 trailer. 😎


How YOLO works

You can take a classifier like VGGNet or Inception and turn it into an object detector by sliding a small window across the image. At each step you run the classifier to get a prediction of what sort of object is inside the current window. Using a sliding window gives several hundred or thousand predictions for that image, but you only keep the ones the classifier is the most certain about.


This approach works but it’s obviously going to be very slow, since you need to run the classifier many times. A slightly more efficient approach is to first predict which parts of the image contain interesting information — so-called region proposals — and then run the classifier only on these regions. The classifier has to do less work than with the sliding windows but still gets run many times over.


YOLO takes a completely different approach. It’s not a traditional classifier that is repurposed to be an object detector. YOLO actually looks at the image just once (hence its name: You Only Look Once) but in a clever way.


链接:

http://machinethink.net/blog/object-detection-with-yolo/


原文链接:

https://m.weibo.cn/1402400261/4170632415278041

“完整内容”请点击【阅读原文】
↓↓↓


登录查看更多
18

相关内容

Yolo算法,其全称是You Only Look Once: Unified, Real-Time Object Detection,You Only Look Once说的是只需要一次CNN运算,Unified指的是这是一个统一的框架,提供end-to-end的预测,而Real-Time体现是Yolo算法速度快。
3D目标检测进展综述
专知会员服务
124+阅读 · 2020年4月24日
密歇根大学《20年目标检测综述》
专知会员服务
78+阅读 · 2019年10月13日
开源书:PyTorch深度学习起步
专知会员服务
37+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
90+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
29+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
51+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
55+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
66+阅读 · 2019年10月9日
车辆目标检测
数据挖掘入门与实战
29+阅读 · 2018年3月30日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
18+阅读 · 2017年12月17日
【推荐】(TensorFlow)SSD实时手部检测与追踪(附代码)
机器学习研究会
9+阅读 · 2017年12月5日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
10+阅读 · 2017年11月16日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】MXNet深度情感分析实战
机器学习研究会
16+阅读 · 2017年10月4日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】深度学习目标检测全面综述
机器学习研究会
17+阅读 · 2017年9月13日
【推荐】深度学习目标检测概览
机器学习研究会
9+阅读 · 2017年9月1日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
Clustered Object Detection in Aerial Images
Arxiv
5+阅读 · 2019年8月27日
Arxiv
8+阅读 · 2018年11月21日
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
6+阅读 · 2018年4月12日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
4+阅读 · 2016年12月29日
小贴士
相关VIP内容
3D目标检测进展综述
专知会员服务
124+阅读 · 2020年4月24日
密歇根大学《20年目标检测综述》
专知会员服务
78+阅读 · 2019年10月13日
开源书:PyTorch深度学习起步
专知会员服务
37+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
90+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
29+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
51+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
55+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
66+阅读 · 2019年10月9日
相关资讯
车辆目标检测
数据挖掘入门与实战
29+阅读 · 2018年3月30日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
18+阅读 · 2017年12月17日
【推荐】(TensorFlow)SSD实时手部检测与追踪(附代码)
机器学习研究会
9+阅读 · 2017年12月5日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
10+阅读 · 2017年11月16日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】MXNet深度情感分析实战
机器学习研究会
16+阅读 · 2017年10月4日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】深度学习目标检测全面综述
机器学习研究会
17+阅读 · 2017年9月13日
【推荐】深度学习目标检测概览
机器学习研究会
9+阅读 · 2017年9月1日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
相关论文
Clustered Object Detection in Aerial Images
Arxiv
5+阅读 · 2019年8月27日
Arxiv
8+阅读 · 2018年11月21日
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
6+阅读 · 2018年4月12日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
4+阅读 · 2016年12月29日
Top
微信扫码咨询专知VIP会员