[論文レビュー] YOLOv1 to YOLOv10: The fastest and most accurate real-time object detection systems
YOLOシリーズ（v1–v10）の総合的なレビューで、アーキテクチャ、革新、訓練技術、およびリアルタイムの物体検出とその後のコンピュータビジョン開発への影響を詳述。
This is a comprehensive review of the YOLO series of systems. Different from previous literature surveys, this review article re-examines the characteristics of the YOLO series from the latest technical point of view. At the same time, we also analyzed how the YOLO series continued to influence and promote real-time computer vision-related research and led to the subsequent development of computer vision and language models.We take a closer look at how the methods proposed by the YOLO series in the past ten years have affected the development of subsequent technologies and show the applications of YOLO in various fields. We hope this article can play a good guiding role in subsequent real-time computer vision development.
研究の動機と目的
- YOLOのv1からv10への進化と、そのアーキテクチャおよび訓練の革新を説明する。
- YOLOシリーズがどのようにリアルタイムでエッジ対応の物体検出を実現し、さまざまな応用に適用可能にしたかを分析する。
- YOLOのその後のコンピュータビジョン手法や関連分野への影響を評価する。
提案手法
- v1 から v10 までのアーキテクチャの変化と訓練技法に基づくYOLOバージョンの調査と統合。
- 各バージョンの主要な革新を強調する（例：アンカー基づく vs アンカーなし、FPN、CSPNet、PAN、分布ベース回帰、ダイナミックラベル割り当て）。
- YOLOがリアルタイム検出、デプロイ、および関連するコンピュータビジョン研究に及ぼした影響を要約する。
実験結果
リサーチクエスチョン
- RQ1v1 から v10 までの YOLO シリーズで導入された主要なアーキテクチャおよび訓練の革新は何か。
- RQ2YOLO の各バージョンはリアルタイムの物体検出性能とエッジデバイス上でのデプロイにどのように寄与したか。
- RQ3YOLOシリーズが後続のコンピュータビジョンおよび言語モデルの発展に与えた広い影響は何か。
主な発見
- YOLOは提案生成を必要とせずリアルタイム検出を可能にする統一的なワンステージ物体検出器を導入した。
- シリーズはアンカーなしの境界ボックス回帰（YOLOv1）からアンカー基づくおよびアンカーなしのハイブリッドへ進化し、FPN、CSPNet、PAN、分布ベース回帰などの進歩を取り入れた。
- スケール化された現代的バリアント（例：YOLOv4、scaled-YOLOv4、YOLOv5、YOLOv6–v10）は、訓練のコツ、ハードウェア対応設計、モデルスケーリング、NAS、トランスフォーマー成分を統合し、エッジデバイス上の精度と速度を向上させた。
- YOLOバリアントは、インスタンスセグメンテーション、姿勢推定、3D検出、オープンボキャブラリ検出など、リアルタイムコンピュータビジョンの下流タスクと研究に影響を及ぼし、モデルデプロイメントとハードウェア効率的なアーキテクチャの発展も促した。
- 本レビューは、YOLOのようなワンステージ検出器が、従来の二段階手法より実用的なデプロイメント利点と競争力のある精度を達成したことを強調している。）
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。