مروری بر تاریخچه الگوریتم تشخیص اشیاء یولو

با توسعه یادگیری عمیق، تشخیص اشیا به یکی از جهت گیری های تحقیقاتی بسیاری از محققان تبدیل شده است. ثابت شده است که شبکه های عصبی مصنوعی بهترین و پر استفاده ترین راه حل برای طبقه بندی تصاویر و تشخیص اشیا به شمار می روند. به عنوان یکی از الگوریتم های بالغ تر، سری الگوریتم های یولو (YOLO) به طور گسترده در زندگی واقعی مورد استفاده قرار گرفته اند. این مقاله پژوهشی یک مرور مختصر از الگوریتم یولو و نسخه های پیشرفته بعدی آن ارائه می دهد، که از طریق تجزیه و تحلیل به اظهارات و نتایج روشنگری می رسیم. نتایج، تفاوت ها و شباهت ها را بین نسخه های یولو و همچنین بین یولو و شبکه های عصبی کانولوشنال (CNN) نشان می دهد. بینش اصلی این است که بهبود الگوریتم یولو هنوز ادامه دارد و این مقاله به طور خلاصه فرآیند توسعه الگوریتم یولو، روش های تشخیص اشیا و انتخاب ویژگی را توصیف می کند. این مقاله با ترکیب تاریخچه توسعه الگوریتم یولو، بر چارچوب اصلی و محتوای اصلی آخرین الگوریتم YOLOv۸ تمرکز دارد و اثر تشخیص آن را ارزیابی می کند. نتایج آزمون نشان می دهد که YOLOv۸ کاربرد گسترده تری در زندگی واقعی دارد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، طبقه بندی تصویر ، تشخیص اشیا ، الگوریتم YOLO