05 octobre 2021

Les évolutions de YOLO de la V.O. à la V4

Retrouvez toutes nos autres videos sur notre chaîne YouTube

 

Le modèle YOLO, sorti en 2015, constitua une percée considérable dans le domaine de la Computer Vision. Il fut l’un des premiers modèles de détection à offrir des résultats de bonne qualité en temps réel auparavant il était difficile de concilier vitesse d’exécution et justesse. Il est depuis devenu une référence en la matière. Comme l’indique son intitulé « You Only Look Once », YOLO est un modèle de détection single-stage, autrement dit les processus de localisation et d’identification d’objets dans une image sont réunis en une seule étape.

 

Le modèle initial a évolué et 3 autres versions ont ultérieurement vu le jour fournissant des résultats peu à peu meilleurs. Après avoir fait ressortir les caractéristiques communes entre les différentes versions, nous retraçons dans un livre blanc les évolutions principales de YOLO. Les transformations effectuées concernent différents aspects du modèle : la structure du réseau de neurones, les sorties à prédire, le fonction de coût à optimiser, la data augmentation… Etudier l’historique des versions de YOLO est instructif pour un Data Scientist car cela lui permet de comprendre, outre certaines problématiques inhérentes à la détection, quelles modifications conduisent à une amélioration progressive d’un modèle de Computer Vision.

 

Téléchargez le livre blanc « Les évolutions de YOLO »

en cliquant ici

 

Charles Franchomme
Nous respectons
votre vie privée

En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour réaliser des statistiques de visites.