YOLO — концепция и нейросеть¶
YOLO (сокр. от англ. You Only Live Once — «ты живёшь только один раз») — термин, обозначающий одновременно жизненную философию, культурный сленговый девиз и название ряда технологических разработок, прежде всего семейства архитектур свёрточных нейронных сетей для детекции объектов в компьютерном зрении. В широком культурном контексте YOLO трактуется как призыв к смелым действиям и риску, в техническом — как обозначение алгоритмов, выполняющих обнаружение объектов на изображении за один проход сети.
¶Культурное значение
Фраза «You Only Live Once» получила массовое распространение в начале 2010-х годов в англоязычном интернете как хештег #YOLO в социальных сетях, прежде всего в Twitter и Instagram (продукт Meta, признанной экстремистской и запрещённой в РФ). Слоган стал синонимом импульсивного поведения: принятия необдуманных решений, острых ощущений, отказа от долгосрочного планирования в пользу мгновенного удовольствия. Критики отмечали связь девиза с ростом авантюризма среди подростков и молодёжи.
Философская основа YOLO восходит к латинскому выражению carpe diem («пользуйся днём») из оды Горация, а также к экзистенциальной идее единственности и неповторимости человеческой жизни. В русскоязычной среде аналогичные по смыслу формулировки — «живём один раз», «раз жизни не бывает».
¶YOLO в компьютерном зрении
¶История создания
Архитектура YOLO (You Only Look Once) была представлена в 2016 году исследователями Джозефом Редмоном (Joseph Redmon), Сантой Дивалой (Santosh Divvala), Россом Гиршickом (Ross Girshick) и Али Фараджи (Ali Farhadi) из Вашингтонского университета в публикации «You Only Look Once: Unified, Real-Time Object Detection». Ключевая идея заключалась в том, чтобы рассматривать обнаружение объектов как единую задачу регрессии по пикселям изображения, а не как последовательность независимых классификаторов.
До появления YOLO доминирующие детекторы — R-CNN, Fast R-CNN, Faster R-CNN — работали в два этапа: сначала генерировались регионы-кандидаты, затем каждый регион классифицировался. Такой подход был точным, но медленным. YOLO выполнял предсказание ограничивающих рамок и классов объектов за один проход по сети, что обеспечивало скорость более 45 кадров в секунду на базовой версии.
¶Принцип работы
Сеть делит входное изображение на сетку S×S. Каждая ячейка сетки предсказывает несколько ограничивающих рамок (bounding boxes) с координатами центра, шириной, высотой и вероятностью принадлежности к классу. Дополнительно сеть оценивает уверенность (objectness score) — вероятность того, что в рамке находится объект. На финальном этапе применяется порог фильтрации и немаксимальное подавление (Non-Maximum Suppression, NMS), убирающее дублирующиеся рамки.
¶Версии
| Версия | Год | Особенности |
|---|---|---|
| YOLOv1 | 2016 | Первая версия, единый проход, скорость 45 FPS |
| YOLOv2 (YOLO9000) | 2016 | Batch Normalization, высокоточные рамки (anchor boxes), поддержка 9000 классов |
| YOLOv3 | 2018 | Многоуровневые предсказания (FPN), обновлённая архитектура Darknet-53 |
| YOLOv4 | 2020 | Разработана Алексеем Бочкарёвым, улучшенные методы аугментации и трюки обучения |
| YOLOv5 | 2020 | Реализация на PyTorch от компании Ultralytics, широкое коммерческое применение |
| YOLOv6, v7, v8 | 2022–2023 | Конкурентные реализации с улучшенной точностью и скоростью |
¶Применение
YOLO-детекторы используются в системах видеонаблюдения, беспилотных автомобилях, промышленной инспекции, сельском хозяйстве (подсчёт и сортировка плодов), медицинской диагностике (выявление патологий на снимках), робототехнике, augmented reality. Благодаря высокой скорости инференса архитектура пригодна для работы в реальном времени на устройствах с ограниченными вычислительными ресурсами, включая мобильные платформы и встраиваемые системы на базе NVIDIA Jetson.
¶Критика и ограничения
Первоначальная версия YOLO демонстрировала проблемы с локализацией мелких объектов и групповых объектов, расположенных близко друг к другу. Авторы признавали, что точность локализации уступала двухэтапным детекторам. Последующие версии существенно сократили этот разрыв. В 2020 году Джозеф Редмон объявил об уходе из исследований компьютерного зрения, сославшись на опасения военного применения технологий и негативные последствия распознавания лиц.
¶См. также
- Компьютерное зрение
- Свёрточная нейронная сеть
- Обнаружение объектов
- Carpe diem
¶Источники
- Redmon J., Divvala S., Girshick R., Farhadi A. You Only Look Once: Unified, Real-Time Object Detection. CVPR, 2016.
- Redmon J., Farhadi A. YOLO9000: Better, Faster, Stronger. CVPR, 2017.
- Bochkovskiy A., Wang C.-Y., Liao H.-Y. M. YOLOv4: Optimal Speed and Accuracy of Object Detection. arXiv, 2020.