[論文レビュー] Real Time Object Detection System with YOLO and CNN Models: A Review

V Viswanatha, R K Chandana+1 more|arXiv (Cornell University)|Jul 23, 2022

Brain Tumor Detection and Classification被引用数 56

ひとこと要約

本論文は、YOLOとCNNモデルを用いたリアルタイム物体検出を概観し、YOLOの派生形、CNN特徴量抽出、および効率的な物体認識のためのそれらの開発を概説します。

ABSTRACT

The field of artificial intelligence is built on object detection techniques. YOU ONLY LOOK ONCE (YOLO) algorithm and it's more evolved versions are briefly described in this research survey. This survey is all about YOLO and convolution neural networks (CNN)in the direction of real time object detection.YOLO does generalized object representation more effectively without precision losses than other object detection models.CNN architecture models have the ability to eliminate highlights and identify objects in any given image. When implemented appropriately, CNN models can address issues like deformity diagnosis, creating educational or instructive application, etc. This article reached atnumber of observations and perspective findings through the analysis.Also it provides support for the focused visual information and feature extraction in the financial and other industries, highlights the method of target detection and feature selection, and briefly describe the development process of YOLO algorithm.

研究の動機と目的

• YOLOとCNNモデルを用いたリアルタイム物体検出の研究を動機づける。
• YOLOアーキテクチャの進化とリアルタイム性能の要約。
• CNNベースの特徴抽出がさまざまな応用において正確な物体検出をどのように支えるかについて論じる。

提案手法

• YOLOとCNNベースのリアルタイム物体検出に関する既存文献のレビューと総合。
• YOLOアーキテクチャの進化と速度・精度への影響の説明。
• リアルタイム検出に関連するCNNベースの特徴抽出手法の議論。

実験結果

リサーチクエスチョン

• RQ1 リアルタイム物体検出のためのYOLOとその派生版の主要な特徴と進化は何か？
• RQ2 CNNモデルはリアルタイム物体検出と特徴抽出にどのように寄与するか？
• RQ3 業界全体でYOLO/CNNベースのリアルタイム検出に関して特定された応用と課題は何か？

主な発見

• YOLOとその進化版は、リアルタイム検出の効率性を備えた汎用的な物体表現が可能であると説明されている。
• CNNモデルは特徴抽出に関連する問題に対処し、さまざまな領域で教育・指導用の応用を支援できる。
• この調査は、ターゲット検出と特徴選択におけるYOLOの役割を強調し、その開発プロセスの概要を示している。