مدل YOLO

🚀 معرفی مدل YOLO

YOLO (You Only Look Once) یکی از محبوب‌ترین و سریع‌ترین مدل‌های تشخیص اشیاء (Object Detection) است که در سال ۲۰۱۶ توسط Joseph Redmon معرفی شد.
برخلاف مدل‌هایی مانند R-CNN که ابتدا نواحی پیشنهادی را جدا می‌کنند، YOLO در یک مرحله واحد و سراسری کل تصویر را پردازش می‌کند.

YOLO تصویر را به شبکه‌ای از سلول‌ها تقسیم می‌کند و هر سلول مسئول پیش‌بینی:

• وجود یا عدم وجود شیء
• نوع کلاس شیء
• مختصات جعبه محدودکننده (Bounding Box)

این طراحی باعث می‌شود YOLO بسیار سریع‌تر از روش‌های قبلی عمل کند و در زمان واقعی (Real-Time) نیز کاربرد داشته باشد.

⚙️ معماری و ساختار YOLO

مدل YOLO از چندین بخش اصلی تشکیل شده است:

🔹 ۱. Backbone (ویژگی‌استخری)

• شبکه‌ی عصبی کانولوشنی (CNN) برای استخراج ویژگی‌ها از تصویر ورودی
• در نسخه‌های مختلف از Darknet-19، Darknet-53، CSPDarknet یا EfficientNet استفاده شده است

🔹 ۲. Grid Division

• تصویر به شبکه‌ای (مثلاً 13×13) تقسیم می‌شود
• هر سلول مسئول پیش‌بینی جعبه‌های محدودکننده (Bounding Boxes) برای اشیاء داخل محدوده خود است

🔹 ۳. Bounding Box Prediction

• هر سلول چند Anchor Box دارد
• خروجی هر Anchor شامل مختصات (x, y, w, h)، احتمال وجود شیء و توزیع احتمال برای کلاس‌هاست

🔹 ۴. Loss Function

• ترکیبی از سه نوع خطا:
  1. خطای مکانی برای مختصات جعبه
  2. خطای اطمینان از وجود شیء
  3. خطای کلاس‌بندی
• این تابع به بهینه‌سازی همزمان مکان و نوع اشیاء کمک می‌کند

💡 کاربردهای YOLO

به دلیل سرعت بالا و عملکرد بلادرنگ (Real-Time)، YOLO در حوزه‌های گسترده‌ای به کار می‌رود:

🔹 ۱. خودروهای خودران

• شناسایی عابران، وسایل نقلیه، علائم راهنمایی و موانع
• تصمیم‌گیری سریع برای توقف یا تغییر مسیر
• جلوگیری از تصادف در محیط‌های شهری

🔹 ۲. امنیت و نظارت تصویری

• شناسایی افراد و اشیاء مشکوک در زمان واقعی
• کنترل ورودی‌ها و نظارت بر محیط‌های عمومی
• شمارش افراد یا وسایل نقلیه

🔹 ۳. پزشکی

• تشخیص نواحی غیرطبیعی در تصاویر MRI، CT، یا X-ray
• شناسایی سلول‌های سرطانی یا آسیب‌های بافتی در تصاویر میکروسکوپی

🔹 ۴. کشاورزی و صنعت

• شناسایی محصولات، آفات یا بخش‌های آسیب‌دیده گیاهان
• بررسی کیفیت تولید و بسته‌بندی
• کاربرد در ربات‌های صنعتی برای شناسایی قطعات

🏆 مزایا، نسخه‌ها و نتیجه‌گیری

✅ مزایای YOLO:

• سرعت بسیار بالا (قابل استفاده در Real-Time)
• پردازش تصویر در یک مرحله
• دقت بالا در اشیاء بزرگ و واضح
• قابل استفاده در سیستم‌های嵌‌سازی‌شده (Embedded) مانند Jetson و Raspberry Pi)

🔄 نسخه‌های مختلف YOLO:

1. YOLOv1 (2016): اولین نسخه با معماری ساده
2. YOLOv2 / YOLO9000 (2017): بهبود دقت و شناسایی ۹۰۰۰ کلاس
3. YOLOv3 (2018): معماری چندمقیاسی (Multi-Scale) با Darknet-53
4. YOLOv4 (2020): افزایش دقت با تکنیک‌های مدرن (Mosaic, DropBlock, CSPNet)
5. YOLOv5 (2020): نسخه‌ی PyTorch با سرعت و انعطاف بالا
6. YOLOv7 (2022): نسخه بهینه‌شده برای عملکرد بالا
7. YOLOv8 (2023): نسخه‌ی Ultralytics با پشتیبانی از تشخیص، بخش‌بندی و ردیابی

🧩 نتیجه‌گیری:

مدل YOLO با رویکرد «یک نگاه کافی است»، تحول عظیمی در تشخیص بلادرنگ اشیاء ایجاد کرد.
با ترکیب سرعت، دقت و سادگی، امروزه در بینایی ماشین، پزشکی، امنیت، خودروهای خودران و رباتیک یکی از پرکاربردترین مدل‌های تشخیص شیء است.
YOLO نشان داد که هوش مصنوعی می‌تواند در لحظه ببیند و تصمیم بگیرد.