YOLO模型是？

YOLO

• 是物體檢測的AI模型
• 可做商業用途
• 可檢測9000種常用分類
• 準確率高
• 檢測速度快
  1. Tiny YOLO 200FPS
  2. YOLOv2 40FPS
• 200FPS 可理解為1秒處理200張圖片

數據集

定義

Ai通過學習數據集圖片的物體與物體分類，來正確識別任何圖片上的物體所屬分類

種類

• PASCAL VOC
• COCO
• ImageNet

名詞解釋

• Anchor boxes:如果物體有重叠的現象，一格會有兩個物體，呼叫Anchor Boxes就可以允許一格偵測多個物體。
• Non-Maximal Suppression (NMS):YOLO使用NMS，只保留最佳包圍框。首先NMS移除所有小於NMS閾值的包圍框。
• Intersection Over Union Threshold(IOU):第二步選擇有較高檢測率的包圍框，消除所有"聯合交叉點"（IOU）值高於給定IOU閾值的邊界框。

---

如果你覺得這篇文章很有用，可以請我喝杯咖啡，讓我提供更多優質文章給您。感謝所有支持的朋友。

Vere Perrot 資訊人.科技人.行銷人，現為軟體分析師。定位自己為網路觀察家，永遠保持好奇心與熱情，學習跨領域新事物，希望最終能成為一個全方位的人。 Mail: vereperrot@gmail.com