電腦視覺領域的發展進步快速，在深層學習演算法和卷積神經網路(Convolutional Neural Network，CNN)的分析架構下，2015年微軟研究團隊在圖像辨識系統測試標竿ImageNet中，系統錯誤率就已降低至4.94%，超越人類視覺能力。然而，如此高的準確率是建立在相對不受時間限制的條件上，系統可以反覆執行大量的辨識指令，但在需要短時間甚至即時產生辨識結果，例如在機場航班密集時段人流擁塞的情況下，透過攝影機影像辨識罪犯時，CNN模型的分析速度礙於其運作機制將不易提升。
本文列點如下:
● 卷積神經網路 CNN 分析
● 深度分析 Yolo 系列原理
詳細內文請參考網址