今さらYOLOを学ぶ

私は画像認識初心者、YOLOは1回動かしたことがある程度

YOLOは"You Only Look Once"の略でYOLOv1、v2、v3の著者であるJoseph Redmon氏が名付けた（"You Only Live Once"というスラングもある）

バージョンはv1~v10まで整数が1つずつincrementするように10種のバージョンがある

v4の著者からはv1の著者の名前が消えている（関与していない？）

作者が変わりながらバージョンアップを経ているため、バージョンが違えど同じモデルという解釈はできなさそう

YOLOの使用を検討するときに新しいバージョンを使用するというアプローチよりかは、いろんなバージョンを試したほうが良さそう

YOLOv1とYOLOv2

YOLOv1は以下の問題点がある

• Fast R-CNNに比べると位置推定に誤差がある。つまり物体を検出した位置（座標）にズレがある
• region proposal-basedな手法と比較して再現率（Recall、検出漏れ）が多い

region proposal-based

R-CNN（region based CNN）のような画像の中にたくさんの検出ウィンドウ（region proposal）を生成して各ウィンドウに対してCNNのように画像認識を適用する手法

YOLOは？

予めグリッド分割しておいて分割グリッドごとにbounding boxとクラス分類をする

どのバージョンを試していく？

解きたいタスクに依存する部分もあるかもしれない
ここでは今回自分が試す必要があるバージョンを列挙する
選定の方針は、純粋なバージョンアップのストリームの最新版であるか（≒同じ開発者の中で最新版か）という点と、アーキテクチャなどが大きく変わっているものは試すというもの

• 優先度 高
  • YOLOv8
  • YOLOv10
• 優先度 中
  • YOLOv3
  • YOLOv4
  • YOLOv5
  • YOLOv6
  • YOLOv9

v8は動画やセグメンテーションがサポートされ始めたバージョン、v10はv9シリーズの改良版という点で試すべきと考えている
優先度 中の中でも気になる機能やアップデート内容があるが、全部は試す余裕はなさそうなためいくつかに絞る予定