今天使用 YOLO 第一次训练视觉模型，真的好强大。

@jackenliu #6 不是一个东西，你这个比法，相当于潜水艇比飞机

想问下 yolo 可以做比如建筑垃圾、河道垃圾、违章建筑之类的一些识别区分吗？

@listen2wind 当然可以

@jiayouzl #10 转格式是转成 ONNX 吗？

@jiayouzl 我硕士就是搞 cv ，用 yolo 的，一般来说，工程上用 v5v8v11 ，主要是其后面的 u 公司对 yolo 的工程化比较好，也不是说其他的系列不好，对于检测精度来说肯定是越来越高速度也越来越快，但工程化角度看集成度没那么好

我想做一个截图记账的功能，这个应该可以用吧？

现在写游戏脚本 yolo ，opencv ，寻路算法，这些都是是必备技能

@srsman #20 同

去年做了个工具训练 https://github.com/nocanstillbb/label-image

给公司做的更强大，加了一些网络设备的功能，标注多了缩放功能，还有一个 vncviewer 嵌入，从采集到模型部署 一个软件全包了

我们产品期望用 yolo 做自助餐菜品自动识别

@Jakarta 大模型是大规模预训练模型，大语言模型是大规模预训练模型的一种特定类型。

@neroxps 我实战前看了不少文章，其中就有对自助餐盘里菜品识别的文章，搭配好点的摄像头完全没问题的。

@jackenliu #6 openai 还真做不了检测, 细分场景不如

超市自动识别物品称重那称, 都足够好玩

啊啊啊！ YOLO 都已经玩透了，发论文都会遭到嫌弃。难道在工业界还没有普及吗？何止 v8 ，现在 v13 （ https://arxiv.org/pdf/2506.17733 ）都有了，而且还有 DETR （ https://arxiv.org/abs/2005.12872 ）这种基于 Transformer 的模型更加厉害，第一版是 2020 年出的。你提到的 yolo 第一版是 2015 年提出来的（ https://arxiv.org/abs/1506.02640 ），到现在已经 10 年过去了。

@BruceWooong 我們公司也是最近才開始用

安排我負責研究怎麼用在提高生產管理上

可見一門技術要推廣 並且得到廣泛使用

有漫長的過程

yolo 是一个极出色的模型，有兴趣的人都可以去试一下，以后能用到的地方就可以考虑用上。模型小，速度快，标注训练简单。转 onnx 在 java 之类里面跑也很方便。

@Belmode #15 说难听点，你这种是作弊，是挂

当年还用 yolo v5 做过自瞄，效果好而且封不掉

之前用 YOLOv5 做过发票识别，200 张图片微调训练的模型，准确率能稳在 95%以上，同发票图的准确率超过 PaddleOCR 官方 demo 。
背景说明: 有纸质发票的扫描件，需要数字化归档，识别出内容，PaddleOCR 识别出来的是很多个识别块，发票是历史发票，表格线很多缺失，也有部分扫描缺角，大部分扫描件都有倾斜，ocr 识别后，将块内容对应到字段很困难，穷尽表格识别各种算法后效果仍不好。后改变思路，参考猫狗识别的例子，以发票固定文字(字段)作为为标注分类，比如"纳税人识别号"等，标注后训练大概 2 小时不到，推理时先 YOLO 识别出各个字段的坐标范围，ocr 识别后，识别块的坐标经过比对，很容易就能对应到字段了。