首页
学习
活动
专区
工具
TVP
发布
技术百科首页 >YOLO >YOLO的实时性能如何?

YOLO的实时性能如何?

词条归属:YOLO

YOLO(You Only Look Once)是一种实时对象检测系统,它的实时性能非常出色。YOLO的一个主要优点就是它能够在处理视频流时达到实时的帧率,这对于许多应用(如自动驾驶视频监控等)来说是非常重要的。

具体的性能取决于YOLO的版本和使用的硬件。例如,原始的YOLOv1可以在Titan X GPU上以45帧/秒的速度运行,而YOLOv2(也被称为YOLO 9000)可以达到67帧/秒。YOLOv3在保持相似的准确率的情况下,速度稍慢,大约为20帧/秒。YOLOv4和YOLOv5在性能和速度之间做了进一步的优化,可以在一些硬件上达到30-60帧/秒。

需要注意的是,这些帧率是在处理相对较大的图像(如448x448或608x608)时得到的。如果处理的图像较小,或者使用的硬件更强大,那么帧率可能会更高。

相关文章
YOLO:实时目标检测
一瞥(You Only Look Once, YOLO),是检测Pascal VOC(http://host.robots.ox.ac.uk:8080/pascal/VOC/) 2012数据集内对象/目标的系统,能够检测出20种Pascal对象: 人person 鸟bird、猫cat、牛cow、狗dog、马horse、羊sheep 飞机aeroplane、自行车bicycle、船boat、巴士bus、汽车car、摩托车motorbike、火车train 瓶子bottle、椅子chair、餐桌dining t
用户1332428
2018-03-09
3.1K1
YOLO—实时对象检测的新视角
近几年,在深入学习的帮助下, 目标检测领域取得了巨大的进步。对象检测是标识图像中的对象并在其周围绘制边界框的任务, 也就是定位它们。在计算机视觉由于其众多的应用从自动驾驶汽车到安全和跟踪是一个非常重要的问题。 以前的对象检测方法通常是让管道按序分段。这会导致每一段完成的任务和最终目标之间的脱节, 最终的目标是在一个图像的对象周围绘制一个紧密的边界框。一个充分利用在联合的方式中侦测错误的终端框架将是一个更好的解决方案,不仅是为了更好地训练模型, 还要提高检测速度。 这就需要YOLO发挥作用。Varun Agr
AiTechYun
2018-03-05
1.3K0
再改YOLO | YOLO-ReT让边缘端也可以实时检测
目标检测模型的性能在模型精度和效率两个主要方面得到了快速的发展。然而,为了将基于深度神经网络(DNN)的目标检测模型部署到边缘设备,通常需要对模型进行比较大的压缩,但是与之而来的也降低了模型的准确性。
集智书童公众号
2021-11-05
1.1K0
Q-YOLO:用于实时目标检测的高效推理
与近年来大规模视觉transformers(ViTs)的巨大进步相比,基于卷积神经网络(CNNs)的大规模模型仍处于早期状态。
计算机视觉研究院
2023-08-24
3730
如何兼顾性能+实时性处理缓冲数据?
我们经常会遇到这样的数据处理应用场景:我们利用一个组件实时收集外部交付给它的数据,并由它转发给一个外部处理程序进行处理。考虑到性能,它会将数据存储在本地缓冲区,等累积到指定的数量后打包发送;考虑到实时性,数据不能在缓冲区存太长的时间,必须设置一个延时时间,一旦超过这个时间,缓冲的数据必须立即发出去。看似简单的需求,如果需要综合考虑性能、线程安全、内存分配,要实现起来还真有点麻烦。这个问题有不同的解法,本文提供一种实现方案。
蒋金楠
2023-06-09
3320
点击加载更多
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
领券