คู่มือ AI แบบเห็นภาพ

YOLO การตรวจจับแบบเรียลไทม์

YOLO (คุณดูเพียงครั้งเดียว) คือกลุ่มโมเดลการตรวจจับวัตถุที่ค้นหาและติดป้ายกำกับทุกวัตถุในรูปภาพด้วยการส่งผ่านเครือข่ายประสาทเดียว ซึ่งเร็วเพียงพอสำหรับวิดีโอสด

ฟังคำแนะนำนี้บรรยายโดย AI · ~2 min

บนหน้านี้อ่าน 2 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของการตรวจจับแบบเรียลไทม์ของ YOLO
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

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

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

เริ่มแบบทดสอบ

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

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →