YOLOv10 to Its Genesis: A Decadal and Comprehensive Review of The You Only Look Once Series

要約

このレビューでは、YOLOv1 から最近発表された YOLOv10 までの You Only Look Once (YOLO) オブジェクト検出アルゴリズムの進歩を体系的に検証します。
この研究では、逆時系列分析を利用して、YOLOv10 から始まり YOLOv9、YOLOv8、およびその後のバージョンに至る YOLO アルゴリズムによってもたらされた進歩を検証し、リアルタイムの物体検出における速度、精度、計算効率の向上に対する各バージョンの貢献を調査します。
この研究では、自動車の安全性、ヘルスケア、工業製造、監視、農業という 5 つの重要なアプリケーション分野にわたる YOLO の変革的影響に焦点を当てています。
このレビューでは、後続の YOLO バージョンにおける段階的な技術の進歩を詳しく説明することで、YOLO の進化を記録し、以前の各バージョンの課題と制限について説明します。
この進化は、次の YOLO 10 年に向けて、YOLO をマルチモーダルでコンテキスト認識型の汎用人工知能 (AGI) システムと統合する道を示しており、AI 駆動型アプリケーションの将来の開発に大きな影響を与えることが約束されています。

要約(オリジナル)

This review systematically examines the progression of the You Only Look Once (YOLO) object detection algorithms from YOLOv1 to the recently unveiled YOLOv10. Employing a reverse chronological analysis, this study examines the advancements introduced by YOLO algorithms, beginning with YOLOv10 and progressing through YOLOv9, YOLOv8, and subsequent versions to explore each version’s contributions to enhancing speed, accuracy, and computational efficiency in real-time object detection. The study highlights the transformative impact of YOLO across five critical application areas: automotive safety, healthcare, industrial manufacturing, surveillance, and agriculture. By detailing the incremental technological advancements in subsequent YOLO versions, this review chronicles the evolution of YOLO, and discusses the challenges and limitations in each earlier versions. The evolution signifies a path towards integrating YOLO with multimodal, context-aware, and General Artificial Intelligence (AGI) systems for the next YOLO decade, promising significant implications for future developments in AI-driven applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google