YOLO-World

YOLO-World，腾讯ai实验室开发的一个实时目标检测工具，它能够自动识别和定位图像中的各种对象。YOLO-World在速度和准确性方面都优于许多最先进的方法。

YOLO-World 是下一代 YOLO 检测器，旨在实时开放词汇目标检测。YOLO-World在大规模视觉语言数据集（包括Objects365、GQA、Flickr30K和CC3M）上进行了预训练，这使得YOLO-World具有强大的零样本开放词汇能力和图像落地能力，无需训练即可进行实时目标检测，即便某些物品之前没有见过，YOLO-World适用于物体检测和开放词汇实例分割。

YOLO-World功能特点：

1、大规模学习：YOLO-World通过学习大量的图片和对应的描述（如物品名称），获得了丰富的视觉知识和语言知识，这使得它能识别出广泛的物品。

该项目在包括Objects365、GQA、Flickr30K和CC3M在内的大规模视觉-语言数据集上进行了预训练，赋予了YOLO-World强大的零样本开放词汇能力和图像中的定位能力。

2、快速准确：YOLO-World在LVIS数据集上的零样本评估中达到了35.4 AP，并且在V100上的处理速度为52.0 FPS，速度和准确性均超过许多最先进的方法。即使是在包含复杂场景的图片中也能保持高准确率。YOLO-World 声称比 GroundingDINO 快 20 倍。

3、零样本检测：最令人印象深刻的是，即便某些物品YOLO-World之前没有见过，它也能凭借先前的学习和理解能力，通过图片中的线索和上下文信息，成功识别和定位这些新物品，这意味着我们不必训练它来让它检测新的一类物体。我们只需要给出类名作为输入文本提示，模型将返回这些对象的边界框（如果存在）。

4、理解物体：YOLO-World不仅依靠视觉信息，还结合了语言信息。它理解人类的语言描述，这让它能够识别出即使是之前没有直接见过的物体。

5、与现有的开放词汇检测方法相比，YOLO-World模型至少快 20 倍。每秒可以处理大约 52 帧。

6、在LVIS对象检测数据集上设置了最先进的新数据集。