คู่มือ AI แบบเห็นภาพ
YOLO การตรวจจับแบบเรียลไทม์
YOLO (คุณดูเพียงครั้งเดียว) คือกลุ่มโมเดลการตรวจจับวัตถุที่ค้นหาและติดป้ายกำกับทุกวัตถุในรูปภาพด้วยการส่งผ่านเครือข่ายประสาทเดียว ซึ่งเร็วเพียงพอสำหรับวิดีโอสด
ฟังคำแนะนำนี้บรรยายโดย AI · ~2 min
บนหน้านี้อ่าน 2 นาที
ภาพรวม
ความเร็วของมันปลดล็อกการมองเห็นแบบเรียลไทม์ในทุกสิ่งตั้งแต่โดรนไปจนถึงตู้ชำระเงินด้วยตนเอง
เจาะลึก
ก่อน YOLO เครื่องตรวจจับอย่าง R-CNN เรียกใช้ตัวแยกประเภทหลายพันครั้งในพื้นที่รูปภาพ ซึ่งช้า YOLO ซึ่งริเริ่มโดย Joseph Redmon ในปี 2558 กำหนดกรอบการตรวจจับใหม่ให้เป็นปัญหาการถดถอยเดียว โดยแบ่งรูปภาพออกเป็นตาราง และสำหรับแต่ละเซลล์จะทำนายกรอบขอบเขต คะแนนความเป็นวัตถุ และความน่าจะเป็นของคลาสในการส่งต่อครั้งเดียว การออกแบบ 'ดูครั้งเดียว' ทำให้ทำงานได้เร็วกว่าเครื่องตรวจจับแบบสองขั้นตอนอย่างมาก ในขณะที่ยังคงความแม่นยำอยู่ ตระกูลนี้มีการพัฒนาอย่างรวดเร็วผ่านหลายเวอร์ชัน (YOLOv2 ถึง YOLOv8 และมากกว่านั้น) โดยเพิ่มกล่องพุก กระดูกสันหลังที่ดีขึ้น และหัวที่ไม่มีพุก เวอร์ชันใหม่ทำงานที่ความเร็วมากกว่า 100 เฟรมต่อวินาทีบน GPU ทำให้ YOLO เป็นตัวเลือกเริ่มต้นเมื่อเวลาแฝงมีความสำคัญพอๆ กับความแม่นยำ
การใช้งานจริงในโลกแห่งความเป็นจริง
ระบบชำระเงินด้วยตนเองและร้านค้าไร้แคชเชียร์ที่ตรวจจับสินค้าในขณะที่ผู้ซื้อมารับสินค้า
โดรนและหุ่นยนต์เพื่อการเกษตร ตรวจจับพืชผล วัชพืช หรือปศุสัตว์แบบเรียลไทม์
กล้องจราจรและกล้องวงจรปิดจะนับยานพาหนะและตรวจจับคนเดินถนนเพื่อการวิเคราะห์เมืองอัจฉริยะ
สายการผลิตทำเครื่องหมายชิ้นส่วนที่ชำรุดบนสายพานลำเลียงที่เคลื่อนที่เร็ว
อนาคตของการตรวจจับแบบเรียลไทม์ของ YOLO
YOLO มีแนวโน้มไปสู่การปรับใช้ Edge อย่างต่อเนื่อง โดยมีโมเดลเชิงปริมาณขนาดเล็กที่ทำงานบนโทรศัพท์ ไมโครคอนโทรลเลอร์ และกล้องแบบฝังโดยไม่ต้องเชื่อมต่อกับระบบคลาวด์ ส่วนประกอบหม้อแปลงที่ออกใหม่กว่าและการออกแบบที่ปราศจากจุดยึดเพื่อความแม่นยำโดยไม่ทำให้ความเร็วลดลง คาดหวังการผสานรวมที่เข้มงวดมากขึ้นกับการติดตามและการแบ่งส่วน การตรวจจับคำศัพท์แบบเปิดที่จดจำออบเจ็กต์จากข้อความแจ้งแทนที่จะเป็นป้ายกำกับแบบตายตัว และให้ความสนใจอย่างต่อเนื่องในการทำงานอย่างมีประสิทธิภาพบนฮาร์ดแวร์ราคาถูกและใช้พลังงานต่ำที่ Edge
การนำไปปฏิบัติ
ทำไมมันถึงสำคัญ
- ความเร็วและขนาด. Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ
- สร้างทางเลือก. ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง
- ทีมงานและขั้นตอนการทำงาน. การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก
ระวัง
- สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน
- ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม
- ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น
ขั้นตอนต่อไป
- กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
- ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
- เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
- ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล
สำรวจต่อไป
จดหมายข่าวฟรี
รับสรุป AI รายวัน
เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา
อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ
ทดสอบตัวเอง
Take the YOLO Real-Time Detection quiz
ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร
สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค
คำถามที่พบบ่อย
การตรวจจับแบบเรียลไทม์ของ YOLO คืออะไร
YOLO (คุณดูเพียงครั้งเดียว) คือกลุ่มโมเดลการตรวจจับวัตถุที่ค้นหาและติดป้ายกำกับทุกวัตถุในรูปภาพด้วยการส่งผ่านเครือข่ายประสาทเดียว ซึ่งเร็วเพียงพอสำหรับวิดีโอสด ความเร็วของมันปลดล็อกการมองเห็นแบบเรียลไทม์ในทุกสิ่งตั้งแต่โดรนไปจนถึงตู้ชำระเงินด้วยตนเอง
YOLO ย่อมาจากอะไรในบริบทนี้?
YOLO ย่อมาจาก 'You Only Look Once' ซึ่งสะท้อนให้เห็นว่าตรวจพบวัตถุทั้งหมดในโครงข่ายประสาทเทียมเดียวที่ส่งผ่านรูปภาพ
Which cross-domain evaluation did the original YOLO paper report?
The original paper reports evaluation on the Picasso and People-Art datasets as a test of generalization from natural images to artwork.
เทคนิคใดที่จะลบกล่องขอบเขตที่ซ้ำกันและทับซ้อนกันในเอาต์พุตของ YOLO
การปราบปรามแบบไม่สูงสุดจะเก็บกล่องความเชื่อมั่นสูงสุดไว้ และละทิ้งกล่องที่ทับซ้อนกันซึ่งอยู่เหนือเกณฑ์ทางแยกเหนือสหภาพ
ในการออกแบบ YOLO ดั้งเดิม รูปภาพอินพุตจะถูกแบ่งเพื่อการคาดการณ์อย่างไร
YOLO แบ่งรูปภาพออกเป็นตาราง S โดย S และแต่ละเซลล์มีหน้าที่ทำนายกล่องและความน่าจะเป็นของคลาสสำหรับวัตถุที่อยู่ตรงกลางนั้น
แต่ละเซลล์กริดทำนายปริมาณใดควบคู่ไปกับพิกัดกล่องขอบเขต
แต่ละเซลล์ทำนายพิกัดของกล่อง คะแนนความมั่นใจในความเป็นวัตถุ และความน่าจะเป็นของคลาส ทั้งหมดนี้รวมกันในการส่งต่อครั้งเดียว
เรียนรู้ต่อไป
คำแนะนำที่เกี่ยวข้อง
คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้