他们公布的结果表明，YOLOv5 的表现要优于谷歌开源的目标检测框架 EfficientDet，尽管 YOLOv5 的开发者没有明确地将其与 YOLOv4 进行比较，但他们却声称 YOLOv5 能在 Tesla P100 上实现 140 FPS 的快速检测;
本期开源探索汇集了 YOLOv10、Khoj、Stable Diffusion Web UI、Dataherald、Mistral 精调、LaVague、Uni-MoE、SearXNG、Pandora、AutoGroq、HamsterKombatBot 和 ComfyUI 等 12 个 Python 开源项目。
Joseph Redmon的这篇提出YOLO的论文You Only Look Once: Unified， Real-Time Object Detection也发表在了CVPR 2016上，并获得了CVPR 2016的最佳人气奖。
在 CVPR 2021 WAD 挑战赛的 Streaming Perception Challenge 赛道上，旷视提出的基于 YOLOX 模型的 2D 实时目标检测系统在 Argoverse-HD 数据集上实现了 41.1 的 streaming AP。
AI识别验证码的成功率首次达到100%，标志着我们正式进入了“后验证码时代”。然而，最近有研究指出，一些本地运行的AI机器人使用特别训练的图像识别模型，已经做到100%的成功率，达到甚至超过了人类水平!
