O que é YOLO?
YOLO, which stands for “You Only Look Once,” is an advanced visão computacional algorithm designed for real-time detecção de objetos. Unlike traditional object detection methods that apply a classifier to various parts of an image, YOLO processes the entire image in a single passagem direta through a rede neural. This unique approach allows it to detect and classify multiple objects in a scene quickly and efficiently.
Como funciona o YOLO?
YOLO divides an input image into a grid and assigns bounding boxes and class probabilities to each grid cell. The algorithm predicts multiple bounding boxes per grid cell, which helps it to localize objects accurately. Each bounding box is associated with a pontuação de confiança that indicates the likelihood of the box containing an object and how well it fits the object.
YOLO usa uma rede neural convolucional (CNN) for feature extraction, which enables it to recognize patterns in images effectively. The network architecture has evolved through several versions, with YOLOv3 and YOLOv4 being among the most popular and widely used. These versions have improved accuracy and speed, allowing for better detection of small objects and more complex scenes.
Aplicações do YOLO
O YOLO é utilizado em várias aplicações, incluindo vigilância, veículos autônomos, robotics, and augmented reality. Its ability to process images in real-time makes it suitable for scenarios where immediate feedback is essential, such as traffic monitoring and security systems.
Vantagens e Limitações
A principal vantagem do YOLO é sua velocidade, permitindo detectar objetos em tempo real, o que é crucial para muitas aplicações. No entanto, ele pode ter dificuldades com objetos pequenos em cenas complexas e às vezes produzir falsos positivos. Apesar dessas limitações, o YOLO continua sendo uma escolha popular para desenvolvedores e pesquisadores na área de visão computacional.