yolo應用

1. 產品來源法想以及設計動機思考

2. 產品會希望是站在家長的角度出發去了解這一位YT的相關新聞或是說負面消息，避免孩子在成長環境受到影響

3. 部屬會有網站以及LineBot 部屬，因為家長都是會以手機為最主要的使用工具。

1. YOLO5 運用邊緣物品偵測技術多

(顏色以及類似物件容易辨認出錯)

2. 會因為臉部的眼鏡或是帽子而造成辨認錯誤 因為 他並不會去特別記憶人臉的相關細節特正

3. 所以還去找了專門for 臉部辨識的演算法(RetinaFace)作為實驗比較，這個演算法會依據人臉部特正來做多任務訓練，兩點之間捉出距離繪製出3D建模的人連特徵。

4. 發現之後可以在臉部LankMark 做更多運用以及訓練

5. State of the Art: Yolo7 研究

1. 對不同的模型去做實驗了解對準確率的相關實驗

2. 使用最大的modelx 模型 (25位 YT)

以及models (50位YT)，做AB測試

3. 結論:並無顯著差異，而且訓練時間還比較久，就過段選擇部屬 models

1. 交叉質(Intersection over union) 並無顯著差異，所以這邊不探討。

2. 所以我們這邊主要去探討準確率穩定上升。