|
|
Yolov5可以用来图像分类吗？（刚接触yolo）?
关注者
9
被浏览
48,584
5 个回答
YOLO 系列的出现打破了 R-CNN 系列目标检测算法在领域内一家独大的状况。R-CNN 系列的优势是它检测的精度高，但是它的缺点是慢，双阶段的网络结构导致它检测速度一直上不来，无法满足人们对于实时检测的需求，从而饱受诟病。
这远不是人们理想的检测器的模样，直到 2016 年，Joseph Redmon 等人提出一种单阶段的网络结构，它的优势就是每一秒 45 帧的处理速度，可以轻松实现实时任务。它的作者给它起了个生动的名字“YOLO”，即“You Only Look Once”的缩写，中文翻译成“你只看一眼”，生动形象的描绘出 YOLO 作者所预想的模型效果，YOLO 的每个新版本的出现都能在目标检测领域占得一席之地，在 2020 年上半年推出的 YOLOv4 强大到真正成为了 One Stage 类网络里的最强网络，甚至可以说是目标检测领域的最强网络。
匿名用户
不知道题主是用来做什么。如果是兴趣爱好的话就大胆尝试，只是数据集要搞得特别大，而且每张电池图片差异不是很大的话分类准确度应该很难提高的；如果是课设之类的话，用yolo做图像分类会被批得很惨，因为yolo本身是目标检测算法，在答辩老师眼里，图像分类跟目标检测是毫不相关的（血的教训）。