GUIDA AI visiva

Rilevamento oggetti

Il rilevamento degli oggetti identifica e individua le istanze degli oggetti in un'immagine, restituendo in genere etichette di categoria e riquadri di delimitazione.

Ascolta questa guidaNarrato dall'IA · ~2 min

In questa pagina2 minuti di lettura
  1. Panoramica
  2. Punti chiave
  3. Immersione profonda
  4. Sovrapposizione della casella di calcolo
  5. Implementazione nel mondo reale
  6. Metterlo in pratica
  7. Fonti e approfondimenti
  8. Continua a esplorare
  9. Domande frequenti

Panoramica

It differs from image classification, which can assign a label without locating the object, and segmentation, which describes pixel-level regions.

Punti chiave

  1. Definire annotazioni di istanze coerenti.
  2. Segnala la corrispondenza e le impostazioni della soglia.
  3. Prova oggetti piccoli, nascosti e affollati.

Immersione profonda

Un set di dati di rilevamento necessita di etichette e annotazioni di posizione coerenti. Definire come gestire oggetti parzialmente nascosti, istanze molto piccole e categorie ambigue. Scatole incoerenti o oggetti omessi possono confondere sia la formazione che la valutazione. L’output del modello solitamente include un punteggio e una posizione per ciascun candidato. La postelaborazione può rimuovere le previsioni duplicate sovrapposte o applicare una soglia. Those settings affect the balance between missed objects and false detections and should be recorded with the result. Valutare insieme la localizzazione e la correttezza della categoria. L'intersezione sull'unione misura la sovrapposizione tra una regione prevista e una regione di riferimento. La precisione e il richiamo dipendono anche dalle regole di corrispondenza, dalle soglie dei punteggi e dalle dimensioni degli oggetti inclusi. Prova condizioni di acquisizione reali, tra cui sfocatura, cambiamenti di illuminazione, occlusione e scene affollate. Un rilevatore può apparire potente su grandi oggetti isolati mentre non riesce a individuare gli oggetti piccoli o parzialmente nascosti che contano durante l'implementazione. Definire il modo in cui vengono esaminati i rilevamenti incerti prima che attivino azioni consequenziali.

04Esempio lavorato

Sovrapposizione della casella di calcolo

  1. Usa due scatole 10x10 inventate. The second is shifted 5 units horizontally, so they overlap over a 5-by-10 region.

  2. L'area di intersezione è 50 e l'unione è 100+100−50 = 150. L'intersezione sull'unione è 50/150, circa 0,33.

  3. Al di sotto di una soglia di corrispondenza di 0,5, le caselle non conterebbero come una corrispondenza di localizzazione sufficiente nonostante la sostanziale sovrapposizione visibile.

Cosa mostra

La geometria costruita spiega una componente di valutazione; non è un benchmark del rilevatore.

Implementazione nel mondo reale

Conta i prodotti chiaramente visibili su uno scaffale mentre misuri i rilevamenti mancati e duplicati.

Individua le aree del documento prima di un passaggio separato di estrazione del testo.

Metterlo in pratica

Perché è importante

  • Velocità e scala. L’intelligenza artificiale visiva può automatizzare le attività di ispezione, rilevamento ed etichettatura su larga scala.
  • Scelte di build. I team creativi possono prototipare i concetti più velocemente con meno revisioni manuali.
  • Team e flusso di lavoro. Le operazioni possono utilizzare segnali immagine e video che in precedenza erano difficili da elaborare.

Attenzione

  • I diritti di immagine e il consenso possono diventare rischi legali se la provenienza non è chiara.
  • Le prestazioni del modello possono variare in base all'illuminazione, ai dati demografici e agli ambienti.
  • I falsi positivi possono passare inosservati a meno che non vengano monitorate le soglie di confidenza.

Prossimi passi

  1. Definire i criteri di accettazione per i costi di precisione, richiamo ed errore.
  2. Testare con dati che corrispondono alle reali condizioni di produzione.
  3. Aggiungi la revisione umana per previsioni poco attendibili o ad alto impatto.
  4. Tieni traccia della deriva del modello e riconvalida dopo le modifiche alla fotocamera o al set di dati.

Fonti e approfondimenti

  1. PyTorchTutorial sul rilevamento degli oggetti TorchVision

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.

Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.

Mettiti alla prova

Take the Object Detection quiz

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

Il rilevamento degli oggetti è uguale al conteggio?

Il rilevamento può supportare il conteggio, ma le istanze mancate e le caselle duplicate influiscono sul conteggio finale. Valutare esplicitamente l'attività a valle.