YOLO（You Only Look Once）是一组实时物体检测机器学习算法。 物体检测是一种计算机视觉任务，它使用 神经网络 来定位和分类图像中的物体。 这项任务有广泛的应用，从 医学成像 到自动驾驶汽车。

YOLOv4 可以使用传统的 GPU 进行训练和测试，并能够获得实时的，高精度的检测结果。 与其他最先进的目标检测器的比较的结果如图1.1所示，YOLOv4 在与 EfficientDet 性能相当的情况下，推理速度比其快两倍。 相比 YOLOv3 的 AP 和 FPS 分别提高了 10% 和 12%。 YOLOv4 贡献可总结如下： 提出了一种实时、高精度的目标检测模型。 它可以使用1080Ti 或 2080Ti 等通用 GPU 来训练快速和准确的目标检测器； 对 SOTA 方法进行改进，使其效率更高，更适合单 GPU 训 …

一、yolo-v4主要做了什么？通俗的讲，就是说这个yolo-v4算法是在原有yolo目标检测架构的基础上，采用了近些年cnn领域中最优秀的优化策略，从 数据处理、主干网络、网络训练、激活函数、损失函数等各个方面都有着不…

2024年1月4日 · YOLOv4 is the fourth version in the You Only Look Once family of models. YOLOv4 makes realtime detection a priority and conducts training on a single GPU. The authors' intention is for vision engineers and developers to easily use their YOLOv4 framework in custom domains. YOLO and Object Detection Models.

2023年5月25日 · YOLO v4（You Only Look Once version 4）是一种先进的目标检测系统，于2020年推出，是对之前版本YOLO的改进。 YOLOv 4 基于深度卷积神经网络，能够高精度实时检测图像中的目标。

YOLO V4是YOLO系列一个重大的更新，其在COCO数据集上的平均精度 (AP)和帧率精度 (FPS)分别提高了10% 和12%，并得到了Joseph Redmon的官方认可，被认为是当前最强的实时对象检测模型之一。 正当计算机视觉的从业者们正在努力研究YOLO V4的时候，万万没想到，有牛人不服。 6月25日， Ultralytics 发布了 YOLOV5 的第一个正式版本，其性能与YOLO V4不相伯仲，同样也是现今最先进的对象检测技术，并在推理速度上是目前最强。 从上图的结果可以看 …

2025年3月30日 · 文章浏览阅读895次，点赞17次，收藏12次。YOLOv4 是一种目标检测算法，属于 YOLO（You Only Look Once）系列的第四代版本。它在目标检测领域有着重要地位，结合了许多先进的技术，在速度和精度上取得了较好的平衡。主要特点高效的检测速度：和传统的目标检测算法相比，YOLOv4 速度极快，能够实时处理 ...

2024年11月5日 · YOLO (You Only Look Once) is a family of object detection models popular for their real-time processing capabilities, delivering high accuracy and speed on mobile and edge devices. Released in 2020, YOLOv4 enhances the performance of its predecessor, YOLOv3, by bridging the gap between accuracy and speed.

2025年3月30日 · YOLOv4, which stands for "You Only Look Once version 4," is a state-of-the-art real-time object detection model developed by Alexey Bochkovskiy in 2020. It achieves an optimal balance between speed and accuracy , making it highly suitable for real-time applications.

YOLOv7 is more accurate and faster than YOLOv5 by 120% FPS, than YOLOX by 180% FPS, than Dual-Swin-T by 1200% FPS, than ConvNext by 550% FPS, than SWIN-L by 500% FPS, than PPYOLOE-X by 150% FPS. YOLOv7 surpasses all known object detectors in both speed and accuracy in the range from 5 FPS to 160 FPS ...