The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 1 of 62
Back to Result List

Object-Detection mit You Only Look Once (YOLO) : Einführung in die Objekterkennung mit YOLO sowie die Weiterentwicklung in den Versionen v2-v4

  • In einer Vielzahl an Branchen kommen Objekterkennungsverfahren neben anderen Methoden des maschinellen Lernens in unterschiedlichsten Anwendungsfällen zum Einsatz. Ein mögliches State of the Art Object-Detection Verfahren, das für Anwendungsfälle mit Echtzeitanforderungen genutzt werden kann, ist You Only Look Once (YOLO). Nach seiner Veröffentlichung wurde YOLO in den Versionen v2-v4 mehrfach schrittweise verbessert. Um einen möglichst großen Vorteil aus der Nutzung von YOLO als Objekterkennungsverfahren zu ziehen, ist es wichtig, stets die neuesten Verfahren zu evaluieren und zu verwenden. Die Arbeit „Object-Detection mit You Only Look Once (YOLO) - Einführung in die Objekterkennung mit YOLO sowie die Weiterentwicklung in den Versionen v2-v4“ ist ein Ausschnitt aus einer Bachelorarbeit, in der erforscht wird, ob und welche einzelnen Verfahren, die in YOLOv4 für die verbesserte Objekterkennung vorgeschlagen werden, ein bestehendes YOLO - System für einen speziellen Anwendungsfall maßgeblich verbessern können. ImIn einer Vielzahl an Branchen kommen Objekterkennungsverfahren neben anderen Methoden des maschinellen Lernens in unterschiedlichsten Anwendungsfällen zum Einsatz. Ein mögliches State of the Art Object-Detection Verfahren, das für Anwendungsfälle mit Echtzeitanforderungen genutzt werden kann, ist You Only Look Once (YOLO). Nach seiner Veröffentlichung wurde YOLO in den Versionen v2-v4 mehrfach schrittweise verbessert. Um einen möglichst großen Vorteil aus der Nutzung von YOLO als Objekterkennungsverfahren zu ziehen, ist es wichtig, stets die neuesten Verfahren zu evaluieren und zu verwenden. Die Arbeit „Object-Detection mit You Only Look Once (YOLO) - Einführung in die Objekterkennung mit YOLO sowie die Weiterentwicklung in den Versionen v2-v4“ ist ein Ausschnitt aus einer Bachelorarbeit, in der erforscht wird, ob und welche einzelnen Verfahren, die in YOLOv4 für die verbesserte Objekterkennung vorgeschlagen werden, ein bestehendes YOLO - System für einen speziellen Anwendungsfall maßgeblich verbessern können. Im vorliegenden Ausschnitt wird in das Thema der Objekterkennung mit maschinellen Lernverfahren eingeführt sowie YOLO im Detail erläutert. Außerdem wird auf die in den Versionen YOLOv2-YOLOv4 vorgeschlagenen Verbesserungen des YOLO - Objekterkennungssystems eingegangen. Insbesondere in der zum aktuellen Zeitpunkt neuesten Version YOLOv4 werden eine Vielzahl an neuen Verfahren in YOLO integriert, sodass im Hauptteil dieser Arbeit intensiv auf alle neuen Verfahren, die die Autoren von YOLOv4 für das Objekterkennungssystem empfehlen, eingegangen wird.show moreshow less
  • In a large number of industries, alongside other machine learning methods, object recognition processes are used in a wide variety of applications. You Only Look Once (YOLO) is a state-of-the-art object detection method that can be used for applications with real-time requirements. After it was released, YOLO was gradually improved several times in the versions v2-v4. In order to get the greatest possible benefit from the use of YOLO as an object recognition method, it is important to always evaluate and use the latest methods for object detection. The work presented here is an excerpt from a Bachelor thesis, in which it is researched whether and which individual approaches proposed in YOLOv4 can significantly improve an existing YOLO system for a special application. In this excerpt, the subject of object recognition with machine learning approaches is introduced and YOLO is explained in detail. In addition, the improvements of the YOLO object recognition system proposed in the versions YOLOv2-YOLOv4 are discussed. In theIn a large number of industries, alongside other machine learning methods, object recognition processes are used in a wide variety of applications. You Only Look Once (YOLO) is a state-of-the-art object detection method that can be used for applications with real-time requirements. After it was released, YOLO was gradually improved several times in the versions v2-v4. In order to get the greatest possible benefit from the use of YOLO as an object recognition method, it is important to always evaluate and use the latest methods for object detection. The work presented here is an excerpt from a Bachelor thesis, in which it is researched whether and which individual approaches proposed in YOLOv4 can significantly improve an existing YOLO system for a special application. In this excerpt, the subject of object recognition with machine learning approaches is introduced and YOLO is explained in detail. In addition, the improvements of the YOLO object recognition system proposed in the versions YOLOv2-YOLOv4 are discussed. In the current version YOLOv4, a large number of new methods are integrated into YOLO, so that in the main part of this thesis all new methods that the authors of YOLOv4 recommend for the object recognition system are dealt with intensively.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Mehmet Ali Daglioglu
URN:urn:nbn:de:bvb:1051-opus4-1175
Advisor:Sebastian Leuoth
Document Type:Bachelor Thesis
Language:German
Date of Publication (online):2021/03/23
Publishing Institution:Hochschule für Angewandte Wissenschaften Hof
Granting Institution:University of Applied Sciences of Hof, Informatik
Release Date:2021/03/23
Tag:AI; Artificial Intelligence; CNN; Computer Vision; Convoluional Neural Networks; Deep Learning; Machine Learning; Neural Networks; Object Detection; Real-Time Object Detection; Regression; Supervised Learning; YOLOv2; YOLOv3; YOLOv4; Yolo; You Only Look Once; unified real-time object detection
Page Number:79 Seiten
Institutes:Informatik
Licence (German):License LogoCreative Commons - CC BY - Namensnennung 4.0 International
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.