YOLO 是一种深度卷积神经网络，其运行原理如下：首先，将输入图像划分为一组单元，这些单元形成网格。然后将原始图像压缩，直到得到一个13乘13的方阵。每个单元包含有关图像相应部分中对象及其类别的存在的信息。因此，YOLO 只需要查看图像一次，而不需要像类似的神经网络那样查看两次。这
种方法显著提高了处理速度，。
YOLOv5是改进的第 亚洲手机号码清单 五个版本，在PyTorch框架上实现。 YOLOv5 是同名 Python3 模块的一部分，可以从 pypi 安装。该模型的优点之一是，有几种在线数据标记服务可以帮助 YOLO 学习。因此，只需 2-3 个小时，就可以训练神经网络来搜索某一类别的物体。
FairMOT
FairMOT 或公平多目标跟踪。这种高性能方法的一个显著特点是能够利用机器学习技术跟踪视频中的多个对象，而不是一个。此项开发由微软专家与华中科技大学的科学家共同完成。
FairMOT神经网络
该方法采用基于可变形 我最喜欢的想法 卷积神经网络（DCNv2，Deformable Convolutional Network）的单阶段实现，可以显著提高物体跟踪的速度。为了训练模型，FairMOT 使用了 6 个用于人体检测和检索的公共数据集，分别是 ETH、CityPerson、CalTech、MOT17、CUHK-SYSU。根据测试结果，FairMOT 在以每秒 30 帧的速度运行视频流时比竞争模型 TrackRCNN 和 JDE 表现更快。
媒体管道
绝大多数神经网络只能检测和识别二维物体，即使是视频片段。也就是说，所揭示内容周围绘制的框架也将是二维的。但时间要求我们需要一种更精确的空间方法来检测和跟踪物体。
为了解决这个问题，Google AI 最新评论 开发了 MediaPipe Objectron 移动管道，可以对日常物体进行实时 3D 检测。它还可以检测二维图像中寻找的内容。 MediaPipe 的 Objectron 使用单阶段模型进行姿势预测。如果考虑它的结构，它首先是一个基于MobileNetV2的编解码器。
神经网络在商业中的实际应用
神经网络有什么用处？目前，普通人在日常生活中不太可能需要它们。也许将来会——是的，但不是现在。企业最感兴趣的是使用神经网络。