AgentPantheon
YOLO (You Only Look Once) logo

YOLO (You Only Look Once)Detectarea obiectelor în timp real care identifică mai multe obiecte într-o singură trecere a imaginii.

4.8 (6)
Daniel NikulshynRecenzat de Daniel Nikulshyn·Actualizat mai 2026

1 / 2

Prezentare

YOLO (You Only Look Once) este o familie de algoritmi de detectare a obiectelor proiectați pentru viteză și eficiență. Spre deosebire de sistemele tradiționale de detectare care aplică un model unei imagini în mai multe locații și scări, YOLO încadrează detectarea ca o problemă de regresie unică, prezicând cutii de delimitare și probabilități de clasă într-o singură trecere înainte printr-o rețea neuronală. Această arhitectură face YOLO extrem de potrivit pentru aplicații în timp real, cum ar fi analiza video, vehicule autonome, robotică, supraveghere și realitate augmentată. Versiunile succesive (YOLOv3, v5, v7, v8 și mai târziu) au îmbunătățit acuratețea, au extins suportul pentru sarcini de segmentare și estimare a poziției și au menținut reputația framework-ului pentru inferență rapidă. YOLO este larg adoptat de cercetători și dezvoltatori datorită implementărilor open-source, comunității active și echilibrului între acuratețea detectării și viteza de procesare pe GPU-uri și dispozitive edge.

Funcții cheie

  • Detectarea obiectelor în timp real într-o singură trecere
  • Predicția cutiei de delimitare și a probabilității de clasă
  • Suport pentru sarcini de detectare, segmentare și poziționare
  • Modele pre-antrenate pe seturi de date comune precum COCO
  • Dezvoltabil pe GPU, CPU și dispozitive edge
  • Antrenament personalizabil pe seturi de date ale utilizatorului

Prețuri

Model
Freemium
Evaluare
4.8 / 5 (6)

Cazuri de utilizare

Surveillance video în timp real

Detectați și urmăriți persoane, vehicule sau obiecte de interes în fluxurile live ale camerelor de securitate folosind inferența rapidă într-o singură trecere a lui YOLO.

Percepția vehiculelor autonome

Identificați pietoni, mașini, semne de circulație și obstacole în timp real pentru a sprijini deciziile de conducere și navigare în sistemele de conducere autonomă.

Implementarea în robotică și la margine

Rulați detectarea obiectelor direct pe hardware-ul încorporat și roboți, permițând interacțiunea reactivă cu mediul fără dependență de cloud.

Antrenament de detectare a setului de date personalizat

Reglați fin modelele YOLO pre-antrenate pe seturi de date etichetate de utilizator pentru a detecta obiecte specifice domeniului pentru aplicații industriale, medicale sau de retail.

Pro și contra

Pro

  • Inferență extrem de rapidă potrivită pentru utilizări în timp real
  • Ecosistem open-source puternic și suport comunitar
  • Detectează mai multe clase de obiecte într-o singură trecere
  • Funcționează pe hardware edge și dispozitive încorporate
  • Îmbunătățiri continue peste versiunile de model

Contra

  • Se poate lupta cu obiecte mici sau dens împachetate
  • Necesită seturi de date etichetate și expertiză în antrenament
  • Licențierea variază între versiuni și furci
  • Acuratețea poate fi inferioară detectoarelor mai lente în două etape

Recenzii

4.8

Medie din 6 evaluări.

5
5
4
1
3
0
2
0
1
0

Conectează-te pentru a lăsa o recenzie.

O

Olga Ivanova

Mar 16, 2026

Does the job

Pretty happy overall. Support for detection, segmentation, and pose tasks just works and runs on edge hardware and embedded devices. Requires labeled datasets and training expertise can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.

D

Daniel Schmidt

Oct 8, 2025

Solid for our team

We rolled this out across the team last quarter and continual improvements across model versions. Pretrained models on common datasets like COCO fits neatly into how we already work, and deployable on GPU, CPU, and edge devices removed a step we used to do by hand. but it has held up under daily use.

H

Hiroshi Tanaka

Sep 20, 2025

Use it every day

Honestly didn't expect to like it this much. Support for detection, segmentation, and pose tasks is exactly what I needed, and strong open-source ecosystem and community support. I do wish requires labeled datasets and training expertise, but I reach for it almost every day now and it just clicks.

M

Margaret Whitfield

Sep 12, 2025

Use it every day

Honestly didn't expect to like it this much. Customizable training on user datasets is exactly what I needed, and continual improvements across model versions. I do wish can struggle with small or densely packed objects, but I reach for it almost every day now and it just clicks.

C

Carlos Mendoza

Aug 1, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is pretrained models on common datasets like COCO — handled better than most — and extremely fast inference suitable for real-time use. Requires labeled datasets and training expertise is my one real gripe. Worth the time if this is your use case.

D

Diego Fernández

Jul 12, 2025

Compared a few options

Evaluated this against two competitors. Where it wins: customizable training on user datasets and extremely fast inference suitable for real-time use. Where it lags: requires labeled datasets and training expertise. On balance the feature set — especially customizable training on user datasets — justifies the 5 stars for our use case.

Întrebări

Nu există întrebări încă — fii primul.

Pune o întrebare

Alternative la Computer Vision