Fugu-MT 論文翻訳(概要): A Decade of You Only Look Once (YOLO) for Object Detection

論文の概要: A Decade of You Only Look Once (YOLO) for Object Detection

arxiv url: http://arxiv.org/abs/2504.18586v1
Date: Thu, 24 Apr 2025 00:06:08 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:53.892804
Title: A Decade of You Only Look Once (YOLO) for Object Detection
Title（参考訳）: オブジェクト検出に一度だけ(YOLO)を見る10年
Authors: Leo Thomas Ramos, Angel D. Sappa,
Abstract要約: レビュー:You Only Look Once (YOLO)の10周年 YOLOはリアルタイムオブジェクト検出において最も影響力のあるフレームワークの1つである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This review marks the tenth anniversary of You Only Look Once (YOLO), one of the most influential frameworks in real-time object detection. Over the past decade, YOLO has evolved from a streamlined detector into a diverse family of architectures characterized by efficient design, modular scalability, and cross-domain adaptability. The paper presents a technical overview of the main versions, highlights key architectural trends, and surveys the principal application areas in which YOLO has been adopted. It also addresses evaluation practices, ethical considerations, and potential future directions for the framework's continued development. The analysis aims to provide a comprehensive and critical perspective on YOLO's trajectory and ongoing transformation.
Abstract（参考訳）: このレビューは、リアルタイムオブジェクト検出において最も影響力のあるフレームワークの1つであるYou Only Look Once (YOLO)の10周年である。過去10年間、YOLOは合理化された検出器から、効率的な設計、モジュラースケーラビリティ、ドメイン間の適応性といった特徴を持つ多様なアーキテクチャのファミリへと進化してきた。本論文では,主要なアーキテクチャ動向を概説し,YOLOが採用されている主な応用分野を概説する。また、フレームワークの継続的な開発のための評価の実践、倫理的考察、そして潜在的に将来的な方向性についても論じている。この分析は、YOLOの軌道と進行中の変換に関する包括的で批判的な視点を提供することを目的としている。

関連論文リスト

Adversarial Alignment for LLMs Requires Simpler, Reproducible, and More Measurable Objectives [52.863024096759816]
相反する研究目的は、過去10年間に敵対的堅牢性研究の進展を妨げてきた。我々は、対立するアライメントの有意義な進展には、リアライメントの目的が必要であると論じる。
論文参考訳（メタデータ） (2025-02-17T15:28:40Z)
ObjectRelator: Enabling Cross-View Object Relation Understanding in Ego-Centric and Exo-Centric Videos [105.40690994956667]
Ego-Exoオブジェクト対応タスクは、オブジェクトをエゴ中心およびエゴ中心のビューにマップすることを目的としている。我々は,この課題に対処するための新しい手法であるObjectRelatorを紹介する。
論文参考訳（メタデータ） (2024-11-28T12:01:03Z)
A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
論文参考訳（メタデータ） (2024-10-19T11:11:09Z)
What is YOLOv8: An In-Depth Exploration of the Internal Features of the Next-Generation Object Detector [0.0]
本研究では, YOLOv8オブジェクト検出モデルの詳細解析を行った。 YOLOv5のような以前のイテレーションよりもアーキテクチャ、トレーニングテクニック、パフォーマンスの改善に重点を置いている。論文では、Microsoft COCOやRoboflow 100のようなベンチマークにおけるYOLOv8のパフォーマンスをレビューし、その高精度でリアルタイムな機能を強調している。
論文参考訳（メタデータ） (2024-08-28T15:18:46Z)
YOLOv1 to YOLOv10: The fastest and most accurate real-time object detection systems [13.925576406783991]
本稿では、最新の技術的観点から、YOLOシリーズの特徴を再検討する。我々は,過去10年間のYOLOシリーズの提案手法が,その後の技術の発展にどのように影響しているかを,より詳しく検討する。
論文参考訳（メタデータ） (2024-08-18T02:11:00Z)
What is YOLOv5: A deep look into the internal features of the popular object detector [0.5639904484784127]
この記事では、さまざまなメトリクスとハードウェアプラットフォームにわたるモデルのパフォーマンスについてレビューする。全体として、この研究は、YOLOv5の能力と、オブジェクト検出の広い視野における位置に関する洞察を提供する。
論文参考訳（メタデータ） (2024-07-30T15:09:45Z)
YOLOv5, YOLOv8 and YOLOv10: The Go-To Detectors for Real-time Vision [0.6662800021628277]
本稿では、YOLOv5, YOLOv8, YOLOv10に着目し、YOLO(You Only Look Once)オブジェクト検出アルゴリズムの進化に焦点を当てた。これらのバージョンにまたがるエッジデプロイメントのアーキテクチャの進歩、パフォーマンスの改善、適合性を分析します。
論文参考訳（メタデータ） (2024-07-03T10:40:20Z)
YOLOv12 to Its Genesis: A Decadal and Comprehensive Review of The You Only Look Once (YOLO) Series [6.751138557596013]
本稿では、YOLOv1から最近発表されたYOLOv12までの、YOLO(You Only Look Once)オブジェクト検出アルゴリズムの進歩を体系的に検証する。この進化は、今後10年間、YOLOとマルチモーダル、コンテキスト認識、人工知能(AGI)システムを統合するための道のりを示している。
論文参考訳（メタデータ） (2024-06-12T06:41:23Z)
YOLOv10: Real-Time End-to-End Object Detection [68.28699631793967]
リアルタイムオブジェクト検出の分野では,YOLOが主流のパラダイムとして浮上している。非最大抑圧(NMS)による処理後ハマーによるYOLOのエンドツーエンドデプロイメントへの依存。 YOLOの総合的効率-精度駆動型モデル設計戦略を紹介する。
論文参考訳（メタデータ） (2024-05-23T11:44:29Z)
YOLO-World: Real-Time Open-Vocabulary Object Detection [87.08732047660058]
オープン語彙検出機能でYOLOを強化する革新的なアプローチであるYOLO-Worldを紹介する。提案手法は,ゼロショット方式で広範囲の物体を高効率で検出する。 YOLO-WorldはV100上で52.0 FPSの35.4 APを達成した。
論文参考訳（メタデータ） (2024-01-30T18:59:38Z)
YOLO-MS: Rethinking Multi-Scale Representation Learning for Real-time Object Detection [63.36722419180875]
YOLO-MSと呼ばれる効率的かつ高性能な物体検出器を提供する。私たちは、他の大規模なデータセットに頼ることなく、MS COCOデータセット上でYOLO-MSをスクラッチからトレーニングします。私たちの作業は、他のYOLOモデルのプラグイン・アンド・プレイモジュールとしても機能します。
論文参考訳（メタデータ） (2023-08-10T10:12:27Z)
A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS [0.0]
YOLOは、ロボット工学、無人運転車、およびビデオ監視アプリケーションのための中心的なリアルタイムオブジェクト検出システムとなっている。本稿では,YOLOの進化を包括的に分析し,元のYOLOからYOLOv8,YOLO-NAS,YOLOをトランスフォーマーとしたYOLOまでの各イテレーションにおけるイノベーションとコントリビューションについて検討する。
論文参考訳（メタデータ） (2023-04-02T10:27:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。