Algoritma YOLO (You Only Look Once) adalah model deteksi objek yang dikembangkan untuk mengenali dan mendeteksi objek dalam gambar secara real-time dengan kecepatan tinggi.
YOLOv1 (2015)
YOLO pertama kali diperkenalkan oleh Joseph Redmon dan timnya pada tahun 2015 menawarkan pendekatan baru dalam deteksi objek dengan mendeteksi seluruh objek dalam satu proses (single pass), sehingga jauh lebih cepat dibandingkan metode deteksi lain yang memerlukan beberapa tahap.
Algoritma ini membagi gambar menjadi grid dan mendeteksi objek dalam setiap grid. Meski cepat, akurasi YOLOv1 masih kurang stabil, terutama dalam mendeteksi objek berukuran kecil.
YOLOv2 (2016)
YOLO9000 diluncurkan dengan peningkatan yang signifikan dari versi sebelumnya. Dalam YOLOv2, arsitektur model diperbaiki untuk meningkatkan akurasi tanpa mengorbankan kecepatan.
YOLOv2 memperkenalkan teknik baru seperti anchor boxes untuk deteksi objek multi-skala dan batch normalization untuk mengurangi overfitting.
Selain itu, YOLO9000 diperkenalkan sebagai sistem yang mampu mengenali lebih dari 9000 kategori objek menggunakan teknik multi-scale training.
YOLOv3 (2018)
YOLOv3 hadir pada 2018 dengan peningkatan yang berfokus pada akurasi deteksi objek kecil dan menengah. YOLOv3 menggunakan arsitektur darknet-53 dan pendekatan deteksi objek multi-skala yang lebih canggih.
Dengan tiga skala keluaran, YOLOv3 mampu mendeteksi objek yang lebih bervariasi ukurannya. Meski sedikit lebih lambat dibandingkan versi sebelumnya, YOLOv3 tetap populer karena keseimbangan yang baik antara kecepatan dan akurasi.
YOLOv4 (2020)
YOLOv4 merupakan pembaruan signifikan yang tidak dikembangkan oleh Redmon, melainkan oleh Alexey Bochkovskiy dan tim. YOLOv4 menambahkan berbagai teknik optimalisasi, seperti bag of freebies dan bag of specials, yang memungkinkan peningkatan akurasi dan kecepatan tanpa memerlukan lebih banyak data atau sumber daya komputasi.
YOLOv4 juga meningkatkan proses deteksi objek kecil dan telah digunakan dalam berbagai aplikasi real-time, termasuk pengawasan dan pengenalan wajah.
YOLOv5 (2020)
YOLOv5 adalah versi yang dikembangkan oleh Ultralytics dan menciptakan perdebatan karena tidak dirilis oleh tim YOLO asli.
Meski demikian, YOLOv5 mendapatkan banyak popularitas karena mudah digunakan, memiliki performa cepat, dan tersedia dalam beberapa ukuran model (YOLOv5s, YOLOv5m, YOLOv5l, dan YOLOv5x).
YOLOv5 juga mendukung integrasi yang baik dengan framework deep learning seperti PyTorch dan TensorFlow, menjadikannya pilihan populer di kalangan pengembang.
YOLOv6, YOLOv7, dan YOLOv8 (2022–2023)
Setelah YOLOv5, berbagai versi YOLO diluncurkan oleh komunitas AI, termasuk YOLOv6 oleh Meituan dan YOLOv7. YOLOv7, yang dirilis oleh Wong Kin-Yu dan tim, diklaim sebagai YOLO tercepat dengan akurasi yang lebih baik daripada YOLOv5.
YOLOv7 berfokus pada peningkatan deteksi objek kecil serta kinerja real-time. Pada tahun 2023, YOLOv8 diluncurkan oleh Ultralytics sebagai penerus YOLOv5, dengan fokus pada peningkatan akurasi dan efisiensi serta penggunaan metode pembelajaran transfer yang lebih baik.
Perkembangan YOLO dari versi pertama hingga versi terbaru menunjukkan kemajuan pesat dalam deteksi objek real-time. Algoritma ini terus disempurnakan, baik dari sisi akurasi maupun kecepatan, sehingga semakin relevan dalam berbagai aplikasi, seperti pemantauan keamanan, pengenalan wajah, dan bahkan mobil otonom.
Sumber:
- https://id.wikipedia.org/wiki/You_Only_Look_Once
- https://base.binus.ac.id/.../you-only-look-once-yolo/
