À suivreGuide suivant
Détection d'objets à vocabulaire ouvert
IA visuelle
GUIDE DE L'IA Visuelle
Détection d'objet
La détection d'objets identifie et localise les instances d'objet dans une image, renvoyant généralement des étiquettes de catégorie et des cadres de délimitation.
Écoutez ce guideNarré par l'IA · ~2 min
Sur cette page2 minutes de lecture
Aperçu
Elle diffère de la classification d'images, qui peut attribuer une étiquette sans localiser l'objet, et de la segmentation, qui décrit des régions au niveau des pixels.
Points clés à retenir
- Définissez des annotations d'instance cohérentes.
- Correspondance des rapports et paramètres de seuil.
- Testez des objets petits, cachés et encombrés.
Plongée profonde
Un ensemble de données de détection nécessite des étiquettes et des annotations d'emplacement cohérentes. Définissez comment gérer les objets partiellement masqués, les très petites instances et les catégories ambiguës. Des cases incohérentes ou des objets omis peuvent confondre la formation et l'évaluation. Le résultat du modèle comprend généralement un score et un emplacement pour chaque candidat. Le post-traitement peut supprimer les prédictions en double qui se chevauchent ou appliquer un seuil. Ces paramètres affectent l'équilibre entre les objets manqués et les fausses détections et doivent être enregistrés avec le résultat. Évaluez ensemble la localisation et l’exactitude des catégories. L'intersection sur l'union mesure le chevauchement entre une région prédite et une région de référence. La précision et le rappel dépendent également des règles de correspondance, des seuils de score et des tailles d'objets incluses. Testez les conditions de capture réelles, notamment le flou, les changements d'éclairage, l'occlusion et les scènes bondées. Un détecteur peut apparaître puissant sur de gros objets isolés tout en manquant les objets petits ou partiellement cachés qui sont importants lors du déploiement. Définissez la manière dont les détections incertaines sont examinées avant qu’elles ne déclenchent des actions consécutives.
04Exemple travaillé
Chevauchement des boîtes de calcul
Utilisez deux boîtes inventées de 10 x 10. La seconde est décalée de 5 unités horizontalement, de sorte qu'elles se chevauchent sur une région de 5 x 10.
L'aire d'intersection est de 50 et l'union est de 100+100−50 = 150. L'intersection sur l'union est de 50/150, environ 0,33.
Sous un seuil de correspondance de 0,5, les cases ne compteraient pas comme une correspondance de localisation suffisante malgré un chevauchement visible important.
Ce que ça montre
La géométrie construite explique un composant d'évaluation ; ce n'est pas une référence en matière de détecteur.
Mise en œuvre dans le monde réel
Comptez les produits clairement visibles sur une étagère tout en mesurant les détections manquées et en double.
Localisez les régions du document avant une étape distincte d’extraction de texte.
Le mettre en pratique
Pourquoi c'est important
- Vitesse et échelle. L’IA visuelle peut automatiser les tâches d’inspection, de détection et de marquage à grande échelle.
- Choix de construction. Les équipes créatives peuvent prototyper des concepts plus rapidement avec moins de révisions manuelles.
- Équipe et flux de travail. Les opérations peuvent utiliser des signaux d’image et vidéo qui étaient auparavant difficiles à traiter.
Attention à
- Les droits à l’image et le consentement peuvent devenir des risques juridiques si la provenance n’est pas claire.
- Les performances du modèle peuvent varier en fonction de l'éclairage, des données démographiques et des environnements.
- Les faux positifs peuvent passer inaperçus si les seuils de confiance ne sont pas surveillés.
Prochaines étapes
- Définissez des critères d’acceptation pour la précision, le rappel et les coûts d’erreur.
- Testez avec des données qui correspondent aux conditions de production réelles.
- Ajoutez un examen humain pour les prédictions peu fiables ou à fort impact.
- Suivez la dérive du modèle et revalidez après les modifications de la caméra ou de l’ensemble de données.
Sources et lectures complémentaires
Continuez à explorer
Newsletter gratuite
Recevez le briefing quotidien sur l'IA
Trois histoires d'IA vérifiées chaque matin de la semaine, écrites dans un anglais simple. Gratuit pour toujours, sans publicité.
Un e-mail chaque jour de la semaine. Désabonnez-vous en un clic. Nous ne vendons ni ne partageons jamais votre adresse.
Testez-vous
Take the Object Detection quiz
Commentaires instantanés sur chaque réponse et un certificat partageable avec une pièce d'identité vérifiable une fois que vous avez réussi un cours.
Soutenez l’enseignement gratuit de l’IA. AI Understanding est une organisation à but non lucratif 501(c)(3) : pas de publicité, pas de paywall, jamais. Faire un don
Questions fréquemment posées
La détection d'objets est-elle la même chose que le comptage ?
La détection peut prendre en charge le comptage, mais les instances manquées et les boîtes en double affectent le décompte final. Évaluez explicitement cette tâche en aval.
Continuez à apprendre
Guides associés
Plus de guides sélectionnés pour ce sujet