NastępnyNastępny poradnik
Wykrywanie obiektów w otwartym słownictwie
Wizualna sztuczna inteligencja
PRZEWODNIK Wizualnej AI
Wykrywanie obiektów
Wykrywanie obiektów identyfikuje i lokalizuje instancje obiektów na obrazie, często zwracając etykiety kategorii i ramki ograniczające.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~2 min
Na tej stronie2 minuty czytania
Przegląd
Różni się od klasyfikacji obrazu, która umożliwia przypisanie etykiety bez lokalizowania obiektu, oraz segmentacji, która opisuje obszary na poziomie pikseli.
Kluczowe wnioski
- Zdefiniuj spójne adnotacje instancji.
- Zgłoś ustawienia dopasowania i progu.
- Testuj małe, ukryte i zatłoczone obiekty.
Głębokie nurkowanie
Zbiór danych do wykrywania wymaga spójnych etykiet i adnotacji o lokalizacji. Zdefiniuj sposób postępowania z częściowo ukrytymi obiektami, bardzo małymi instancjami i niejednoznacznymi kategoriami. Niespójne pola lub pominięte obiekty mogą mylić zarówno szkolenie, jak i ocenę. Dane wyjściowe modelu zazwyczaj obejmują punktację i lokalizację każdego kandydata. Przetwarzanie końcowe może usunąć nakładające się zduplikowane prognozy lub zastosować próg. Ustawienia te wpływają na równowagę między pominiętymi obiektami a fałszywymi wykryciami i powinny zostać zapisane wraz z wynikami. Oceń jednocześnie poprawność lokalizacji i kategorii. Przecięcie przez sumę mierzy nakładanie się obszaru przewidywanego i regionu odniesienia. Precyzja i przypominanie zależą również od reguł dopasowywania, progów punktacji i uwzględnionych rozmiarów obiektów. Przetestuj rzeczywiste warunki przechwytywania, w tym rozmycie, zmiany oświetlenia, okluzję i zatłoczone sceny. Detektor może wydawać się silny w przypadku dużych, izolowanych obiektów, pomijając małe lub częściowo ukryte obiekty, które mają znaczenie podczas rozmieszczenia. Zdefiniuj sposób sprawdzania niepewnych wykryć, zanim wywołają one dalsze działania.
04Działający przykład
Oblicz nakładanie się pól
Użyj dwóch wymyślonych pudełek 10 na 10. Drugi jest przesunięty o 5 jednostek w poziomie, więc nakładają się na obszar 5 na 10.
Pole przecięcia wynosi 50, a suma wynosi 100 + 100-50 = 150. Przecięcie przez sumę wynosi 50/150, około 0,33.
Poniżej progu dopasowania wynoszącego 0,5 pola nie będą liczone jako wystarczające dopasowanie lokalizacji pomimo znacznego widocznego nakładania się.
Co pokazuje
Skonstruowana geometria wyjaśnia jeden element oceny; nie jest to test porównawczy detektora.
Implementacja w świecie rzeczywistym
Licz dobrze widoczne produkty na półce, mierząc pominięte i zduplikowane wykrycia.
Zlokalizuj regiony dokumentu przed oddzielnym krokiem wyodrębniania tekstu.
Wdrażanie tego w praktykę
Dlaczego to ma znaczenie
- Szybkość i skala. Wizualna sztuczna inteligencja może automatyzować zadania inspekcji, wykrywania i znakowania na dużą skalę.
- Buduj wybory. Zespoły kreatywne mogą szybciej prototypować koncepcje przy mniejszej liczbie ręcznych poprawek.
- Zespół i przepływ pracy. Operacje mogą wykorzystywać sygnały obrazu i wideo, które wcześniej były trudne do przetworzenia.
Uważaj na
- Prawa do wizerunku i zgoda mogą stanowić ryzyko prawne, jeśli pochodzenie jest niejasne.
- Wydajność modelu może się różnić w zależności od oświetlenia, demografii i środowiska.
- Fałszywie pozytywne wyniki mogą pozostać niezauważone, chyba że monitorowane są progi ufności.
Kolejne kroki
- Zdefiniuj kryteria akceptacji dotyczące kosztów precyzji, wycofania i błędów.
- Przetestuj na danych odpowiadających rzeczywistym warunkom produkcyjnym.
- Dodaj weryfikację manualną, aby prognozy były mało pewne lub miały duży wpływ.
- Śledź dryf modelu i przeprowadzaj ponowną weryfikację po zmianie kamery lub zbioru danych.
Źródła i dalsza lektura
Odkrywaj dalej
Darmowy newsletter
Otrzymuj codzienne podsumowanie AI
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Take the Object Detection quiz
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Często zadawane pytania
Czy wykrywanie obiektów to to samo, co liczenie?
Wykrywanie może wspierać liczenie, ale pominięte wystąpienia i zduplikowane pola wpływają na ostateczną liczbę. Oceń wyraźnie to dalsze zadanie.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat