Algoritmul detecteaza si grupeaza obiecte precum oameni, copaci si vehicule.

Atribuie trasaturi specific

fiecarei clase de obiect pe care le grupeaza pentru a ajuta masina sa le identifice mai usor. YOLO e foarte
bun pentru a identifica si grupa obiecte.

YOLO rulează o rețea neurală pe întreaga imagine și împarte fiecare cadru într-un număr de celule,
conform figurii , fiecareia atribuindu-i o probabilitate ca un obiect care se găsește în baza de date, să fie
detectat.

Clasa cu probabilitatea maximă este aleasă și atribuită acelei celule. Procesul se întâmplă pentru toate
celulele de rețea prezente în imagine.

Următorul pas de a scapa de casetele de delimitare inutile fiindca există numeroase casete calculate pe
baza probabilităților clasei, ca in imaginea aceasta.

Se elimină casetele de delimitare care sunt foarte apropiate

cu cea care are cea mai mare probabilitate de clasă dintre
ele.

În ce privește detecția obiectelor, rețeaua a fost antrenată

atât pentru detectarea indicatoarelor de circulație, cât și a
semafoarelor și a oamenilor.
Dupa ce obiectele au fost identificate, se poate face o estimarea distanței față de acestea. S-a făcut o
corelație între dimensiunea reală a obiectului detectat și numărul pe pixeli existenți în regiunea de
interes: atunci când un obiect este la o distanță mai mare, numărul de pixeli corespunzători lui este mai
mic și vice-versa.

Dezavantajul este faptul că, erorile cresc pe măsură ce distanța față de vehicul se mărește. De
asemenea, erorile sunt influențate în mare măsură de rezoluția imaginilor prelucrate. O rezoluție mai
bună produce un rezultat mai favorabil.