YOLO

Wprowadzenie

YOLO (ang. You Only Look Once ) to rodzina modeli detekcji obiektów, która zrewolucjonizowała computer vision. Zamiast klasycznego podejścia „proponuj regiony → klasyfikuj”, YOLO traktuje detekcję jako pojedyncze zadanie regresji.

Jak działa YOLO?

Model dzieli obraz na siatkę (grid) i dla każdego pola przewiduje jednocześnie kilka rzeczy:

• ramki ograniczające (bounding boxes)

• prawdopodobieństwo obecności obiektów

• klasy obiektów

Historia wersji YOLO

• YOLOv1 (2015) – Joseph Redmon – pierwszy model

• YOLOv2 / YOLOv3 – poprawa dokładności i prędkości

• YOLOv4 / YOLOv5 (2020) – ogromny wzrost popularności

• YOLOv8 (2023) – Ultralytics – obecnie najpopularniejsza wersja

• YOLOv10 (2024) – najnowsza generacja, jeszcze wyższa efektywność

Zalety YOLO

• Bardzo wysoka prędkość inferencji (nawet 100+ FPS)

• End-to-end – jeden przebieg sieci

• Dobra równowaga między prędkością a dokładnością

• Łatwość trenowania i deploymentu

• Aktywny rozwój open-source (Ultralytics)

Zastosowania

• Autonomiczne pojazdy i systemy ADAS

• Monitoring wizyjny i bezpieczeństwo

• Robotyka i drony

• Analiza sportowa

• Medycyna (detekcja guzów, anomalii)

• Przemysł 4.0 (kontrola jakości)

Aktualny status (2026)

YOLO pozostaje liderem w dziedzinie real-time object detection. Dzięki projektowi Ultralytics oraz ciągłemu rozwojowi wersji v8 i v10, YOLO jest najczęściej wybieranym modelem do zastosowań komercyjnych i badawczych wymagających wysokiej prędkości.

office@freenetmedia.pl