- YOLOv3: The third iteration of the YOLO model family, originally by Joseph Redmon, known for its efficient real-time object detection capabilities.
- YOLOv4: A darknet-native update to YOLOv3, released by Alexey Bochkovskiy in 2020.
- YOLOv5: An improved version of the YOLO architecture by Ultralytics, offering better performance and speed trade-offs compared to previous versions.
- YOLOv6: Released by Meituan in 2022, and in use in many of the company's autonomous delivery robots.
- YOLOv7: Updated YOLO models released in 2022 by the authors of YOLOv4.
- YOLOv8 NEW 🚀: The latest version of the YOLO family, featuring enhanced capabilities such as instance segmentation, pose/keypoints estimation, and classification.
- YOLOv9: An experimental model trained on the Ultralytics YOLOv5 codebase implementing Programmable Gradient Information (PGI).
- YOLOv10: By Tsinghua University, featuring NMS-free training and efficiency-accuracy driven architecture, delivering state-of-the-art performance and latency.
- Segment Anything Model (SAM): Meta's Segment Anything Model (SAM).
- Mobile Segment Anything Model (MobileSAM): MobileSAM for mobile applications, by Kyung Hee University.
- Fast Segment Anything Model (FastSAM): FastSAM by Image & Video Analysis Group, Institute of Automation, Chinese Academy of Sciences.
- YOLO-NAS: YOLO Neural Architecture Search (NAS) Models.
- Realtime Detection Transformers (RT-DETR): Baidu's PaddlePaddle Realtime Detection Transformer (RT-DETR) models.
- YOLO-World: Real-time Open Vocabulary Object Detection models from Tencent AI Lab.
YOLO系列模型发展史
2024-10-16
54
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
YOLO系列模型从YOLOv3到YOLOv10，不断优化实时目标检测性能和速度。最新版本YOLOv8增加了实例分割、姿态估计等功能。此外，还包括Segment Anything Model（SAM）、MobileSAM、FastSAM、YOLO-NAS、RT-DETR和YOLO-World等模型，分别在不同场景下提供高效的目标检测和分割能力。
目录
相关文章
|
7月前
|
机器学习/深度学习
测试技术
定位技术
YOLOPoint开源 | 新年YOLO依然坚挺，通过结合YOLOv5&SuperPoint，成就多任务SOTA
YOLOPoint开源 | 新年YOLO依然坚挺，通过结合YOLOv5&SuperPoint，成就多任务SOTA
167
0
0
|
6月前
|
机器学习/深度学习
PyTorch
算法框架/工具
【从零开始学习深度学习】26.卷积神经网络之AlexNet模型介绍及其Pytorch实现【含完整代码】
【从零开始学习深度学习】26.卷积神经网络之AlexNet模型介绍及其Pytorch实现【含完整代码】
345
3
3
|
3月前
|
人工智能
PyTorch
算法框架/工具
AI计算机视觉笔记十二：基于 LeNet5 的手写数字识别及训练
本文档介绍了如何使用PyTorch框架复现经典的LeNet5模型，并通过MNIST数据集进行训练与测试。首先，创建虚拟环境并安装所需库，接着下载MNIST数据集。训练部分涉及四个主要文件：`LeNet5.py`、`myDatast.py`、`readMnist.py` 和 `train.py`。通过这些文件搭建模型并完成训练过程。最后，通过测试脚本验证模型准确性，结果显示准确率达到0.986，满足预期需求。文档还提供了详细的环境配置和代码实现细节。
74
3
3
|
6月前
|
机器学习/深度学习
PyTorch
算法框架/工具
【从零开始学习深度学习】27.卷积神经网络之VGG11模型介绍及其Pytorch实现【含完整代码】
【从零开始学习深度学习】27.卷积神经网络之VGG11模型介绍及其Pytorch实现【含完整代码】
185
2
2
|
6月前
|
机器学习/深度学习
算法
PyTorch
【从零开始学习深度学习】25.卷积神经网络之LeNet模型介绍及其Pytorch实现【含完整代码】
【从零开始学习深度学习】25.卷积神经网络之LeNet模型介绍及其Pytorch实现【含完整代码】
97
2
2
|
机器学习/深度学习
存储
编解码
|
数据挖掘
测试技术
Go
超越YOLOv7 | YOLOv6论文放出，重参+自蒸馏+感知量化+...各种Tricks大放异彩（一）
超越YOLOv7 | YOLOv6论文放出，重参+自蒸馏+感知量化+...各种Tricks大放异彩（一）
277
0
0
|
异构计算
超越YOLOv7 | YOLOv6论文放出，重参+自蒸馏+感知量化+...各种Tricks大放异彩（二）
超越YOLOv7 | YOLOv6论文放出，重参+自蒸馏+感知量化+...各种Tricks大放异彩（二）
178
0
0
|
机器学习/深度学习
人工智能
缓存
|
Go
计算机视觉
开发者
热门文章
最新文章
1
《Stata统计分析与应用（第2版）》一3.4 图形的保存、合并及修改
2
Maven 3.6.3 的下载、安装、配置、检测（详细讲解）
3
基于区块链的机器学习模型创建方案
4
WPF listview item mouse enter/over popup
5
DevExpress 10.2.4系列-ASPxListBox根据列值不同设置不同图标
6
[Spring]支持注解的Spring调度器
7
红帽7.4新增的安全特性
8
hdu 1800 Flying to the Mars
9
研究 flex 4 开发后台管理项目（1）
10
Error: XML response that was returned...
1
《docker高级篇（大厂进阶）：2.DockerFile解析》包括：是什么、DockerFile构建过程解析、DockerFile常用保留字指令、案例、小总结
115
2
《Java 人工智能开发：Eclipse 与 IntelliJ IDEA 双雄助力》
44
3
《Java 在开源 AI 框架中的中流砥柱角色》
34
4
《Java 与大数据框架：AI 数据预处理的强力联盟》
39
5
《Java 优化秘籍：计算密集型 AI 任务加速指南》
35
6
《Java 与 OpenAI 协同：开启智能编程新范式》
30
7
uniapp开发鸿蒙，是前端新出路吗？
30
8
鸿蒙(HarmonyOS)原生AI能力之文本识别
39
9
鸿蒙开发之PixelMap介绍与实现图片变换
34
10
鸿蒙(HarmonyOS)开发之无须申请权限写入图片到相册
40