Визуальное руководство по искусственному интеллекту

Обнаружение объектов

Обнаружение объектов идентифицирует и находит экземпляры объектов на изображении, обычно возвращая метки категорий и ограничивающие рамки.

Прослушайте это руководствоОзвучено ИИ · ~2 min

На этой странице2 минуты чтения
  1. Обзор
  2. Ключевые выводы
  3. Глубокое погружение
  4. Перекрытие вычислительного блока
  5. Реальная реализация
  6. Применение на практике
  7. Источники и дальнейшее чтение
  8. Продолжайте исследовать
  9. Часто задаваемые вопросы

Обзор

Он отличается от классификации изображений, при которой можно присвоить метку без определения местоположения объекта, и от сегментации, которая описывает области на уровне пикселей.

Ключевые выводы

  1. Определите согласованные аннотации экземпляров.
  2. Сообщите о совпадении и настройках пороговых значений.
  3. Тестируйте небольшие, скрытые и многолюдные объекты.

Глубокое погружение

Набору данных обнаружения необходимы согласованные метки и аннотации местоположений. Определите, как обрабатывать частично скрытые объекты, очень маленькие экземпляры и неоднозначные категории. Непоследовательные поля или пропущенные объекты могут запутать как обучение, так и оценку. Выходные данные модели обычно включают оценку и местоположение каждого кандидата. Постобработка может удалить перекрывающиеся повторяющиеся прогнозы или применить пороговое значение. Эти настройки влияют на баланс между пропущенными объектами и ложными обнаружениями и должны быть записаны вместе с результатом. Оценивайте правильность локализации и категории вместе. Пересечение через объединение измеряет перекрытие между прогнозируемой областью и эталонной областью. Точность и полнота также зависят от правил сопоставления, пороговых значений оценок и размеров включенных объектов. Проверьте реальные условия съемки, включая размытие, изменения освещения, окклюзию и многолюдные сцены. Детектор может хорошо проявлять себя при обнаружении крупных изолированных объектов, но при этом пропускать мелкие или частично скрытые объекты, важные при развертывании. Определите, как будут проверяться неопределенные обнаружения, прежде чем они вызовут последующие действия.

04Рабочий пример

Перекрытие вычислительного блока

  1. Используйте две изобретенные коробки размером 10 на 10. Второй сдвигается на 5 единиц по горизонтали, поэтому они перекрываются в области 5 на 10.

  2. Площадь пересечения равна 50, а объединение — 100+100−50 = 150. Пересечение над объединением — 50/150, около 0,33.

  3. При пороге соответствия 0,5 поля не будут считаться достаточным совпадением локализации, несмотря на значительное видимое перекрытие.

Что это показывает

Построенная геометрия объясняет один компонент оценки; это не тест детектора.

Реальная реализация

Подсчитайте хорошо видимые продукты на полке, одновременно измеряя пропущенные и повторяющиеся обнаружения.

Найдите области документа перед отдельным шагом извлечения текста.

Применение на практике

Почему это важно

  • Скорость и масштаб. Визуальный ИИ может автоматизировать задачи проверки, обнаружения и маркировки в любом масштабе.
  • Выбор сборки. Творческие группы могут быстрее создавать прототипы концепций с меньшим количеством доработок вручную.
  • Команда и рабочий процесс. Операции могут использовать изображения и видеосигналы, которые раньше было трудно обрабатывать.

Следите за

  • Права на изображение и согласие могут стать юридическими рисками, если происхождение неясно.
  • Производительность модели может варьироваться в зависимости от освещения, демографии и окружающей среды.
  • Ложноположительные результаты могут остаться незамеченными, если не контролировать пороговые значения достоверности.

Следующие шаги

  1. Определите критерии приемки точности, стоимости отзыва и ошибок.
  2. Тестируйте с данными, которые соответствуют реальным производственным условиям.
  3. Добавьте человеческую проверку для прогнозов с низкой достоверностью или высокой эффективностью.
  4. Отслеживайте дрейф модели и выполняйте ее повторную проверку после изменений камеры или набора данных.

Источники и дальнейшее чтение

  1. PyTorchУчебное пособие по обнаружению объектов TorchVision

Продолжайте исследовать

Бесплатная рассылка

Получайте ежедневный AI-обзор

Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.

Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.

Проверьте себя

Take the Object Detection quiz

Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.

Начать тест

Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование

Часто задаваемые вопросы

Является ли обнаружение объекта тем же самым, что и подсчет?

Обнаружение может поддерживать подсчет, но пропущенные экземпляры и повторяющиеся ящики влияют на окончательный подсчет. Оцените эту последующую задачу явно.

Продолжайте учиться

Связанные руководства

Другие руководства, выбранные по этой теме

Получите бесплатный AI-сертификатКороткий бесплатный курс и экзамен. Без стоимости, без карты. Около 2,5 часов.Начать бесплатно →