คู่มือ AI แบบเห็นภาพ

การตรวจจับวัตถุ

การตรวจจับวัตถุจะระบุและค้นหาอินสแตนซ์ของวัตถุในรูปภาพ โดยทั่วไปจะส่งคืนป้ายกำกับหมวดหมู่และกล่องขอบเขต

ฟังคำแนะนำนี้บรรยายโดย AI · ~2 min

บนหน้านี้อ่าน 2 นาที
  1. ภาพรวม
  2. ประเด็นสำคัญ
  3. เจาะลึก
  4. กล่องคอมพิวเตอร์ทับซ้อนกัน
  5. การใช้งานจริงในโลกแห่งความเป็นจริง
  6. การนำไปปฏิบัติ
  7. ที่มาและอ่านเพิ่มเติม
  8. สำรวจต่อไป
  9. คำถามที่พบบ่อย

ภาพรวม

มันแตกต่างจากการจัดหมวดหมู่รูปภาพซึ่งสามารถกำหนดป้ายกำกับโดยไม่ต้องระบุตำแหน่งของวัตถุ และการแบ่งส่วนซึ่งอธิบายขอบเขตระดับพิกเซล

ประเด็นสำคัญ

  1. กำหนดคำอธิบายประกอบอินสแตนซ์ที่สอดคล้องกัน
  2. รายงานการจับคู่และการตั้งค่าเกณฑ์
  3. ทดสอบวัตถุขนาดเล็ก ที่ซ่อนอยู่ และแออัด

เจาะลึก

ชุดข้อมูลการตรวจจับจำเป็นต้องมีป้ายกำกับและคำอธิบายประกอบตำแหน่งที่สอดคล้องกัน กำหนดวิธีจัดการกับออบเจ็กต์ที่ซ่อนอยู่บางส่วน อินสแตนซ์ขนาดเล็กมาก และหมวดหมู่ที่ไม่ชัดเจน กล่องที่ไม่สอดคล้องกันหรือละเว้นวัตถุอาจทำให้ทั้งการฝึกอบรมและการประเมินผลสับสน ผลลัพธ์ของแบบจำลองมักจะประกอบด้วยคะแนนและสถานที่สำหรับผู้สมัครแต่ละคน การประมวลผลภายหลังอาจลบการคาดการณ์ที่ซ้ำซ้อนหรือใช้เกณฑ์ การตั้งค่าเหล่านั้นส่งผลต่อความสมดุลระหว่างวัตถุที่พลาดและการตรวจจับที่ผิดพลาด และควรบันทึกพร้อมกับผลลัพธ์ ประเมินการแปลและความถูกต้องของหมวดหมู่ร่วมกัน การตัดกันเหนือสหภาพจะวัดการทับซ้อนระหว่างขอบเขตที่คาดการณ์กับขอบเขตอ้างอิง ความแม่นยำและการเรียกคืนยังขึ้นอยู่กับกฎการจับคู่ เกณฑ์คะแนน และขนาดออบเจ็กต์ที่รวมอยู่ด้วย ทดสอบสภาพการจับภาพจริง รวมถึงภาพเบลอ การเปลี่ยนแปลงแสง การบดบัง และฉากที่มีผู้คนหนาแน่น อุปกรณ์ตรวจจับอาจปรากฏชัดเจนบนวัตถุขนาดใหญ่ที่แยกออกจากกัน ในขณะที่วัตถุขนาดเล็กหรือบางส่วนที่ซ่อนอยู่ซึ่งมีความสำคัญในการใช้งานหายไป กำหนดวิธีการตรวจสอบการตรวจจับที่ไม่แน่นอนก่อนที่จะกระตุ้นให้เกิดการดำเนินการที่ตามมา

04ตัวอย่างการทำงาน

กล่องคอมพิวเตอร์ทับซ้อนกัน

  1. ใช้กล่องขนาด 10 x 10 ที่ประดิษฐ์ขึ้นสองกล่อง ส่วนที่สองเลื่อนไป 5 หน่วยในแนวนอน เพื่อให้ซ้อนทับกันในพื้นที่ขนาด 5 x 10

  2. พื้นที่ทางแยกคือ 50 และสหภาพคือ 100+100−50 = 150 พื้นที่ทางแยกส่วนคือ 50/150 หรือประมาณ 0.33

  3. ภายใต้เกณฑ์การจับคู่ 0.5 ช่องต่างๆ จะไม่นับเป็นการจับคู่การแปลที่เพียงพอ แม้ว่าจะมองเห็นการซ้อนทับกันอย่างมากก็ตาม

มันแสดงให้เห็นอะไร

เรขาคณิตที่สร้างขึ้นจะอธิบายองค์ประกอบการประเมินหนึ่งองค์ประกอบ ไม่ใช่เกณฑ์มาตรฐานของเครื่องตรวจจับ

การใช้งานจริงในโลกแห่งความเป็นจริง

นับผลิตภัณฑ์ที่มองเห็นได้ชัดเจนบนชั้นวางในขณะที่ตรวจวัดการตรวจพบที่พลาดและซ้ำกัน

ค้นหาขอบเขตเอกสารก่อนขั้นตอนการแยกข้อความแยกต่างหาก

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • ความเร็วและขนาด. Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ
  • สร้างทางเลือก. ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง
  • ทีมงานและขั้นตอนการทำงาน. การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก

ระวัง

  • สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน
  • ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม
  • ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น

ขั้นตอนต่อไป

  1. กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
  2. ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
  3. เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
  4. ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล

ที่มาและอ่านเพิ่มเติม

  1. PyTorchบทช่วยสอนการตรวจจับวัตถุ TorchVision

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the Object Detection quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

การตรวจจับวัตถุเหมือนกับการนับหรือไม่

การตรวจจับสามารถรองรับการนับได้ แต่กรณีที่พลาดและกล่องที่ซ้ำกันจะส่งผลต่อการนับครั้งสุดท้าย ประเมินงานปลายน้ำนั้นอย่างชัดเจน

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →