YOLO การตรวจจับแบบเรียลไทม์
YOLO (คุณดูเพียงครั้งเดียว) คือกลุ่มโมเดลการตรวจจับวัตถุที่ค้นหาและติดป้ายกำกับทุกวัตถุในรูปภาพด้วยการส่งผ่านเครือข่ายประสาทเดียว ซึ่งเร็วเพียงพอสำหรับวิดีโอสด
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
ข้อมูลเชิงลึกทางเทคนิค
YOLO แบ่งรูปภาพออกเป็นตาราง S โดย S แต่ละเซลล์คาดการณ์ชุดกรอบขอบเขตคงที่ซึ่งมี (x, y, ความกว้าง, ความสูง) คะแนนความเชื่อมั่น และความน่าจะเป็นของคลาส ทั้งหมดในครั้งเดียว กล่องที่ซ้ำกันที่ทับซ้อนกันจะถูกตัดออกโดยการระงับแบบไม่สูงสุด ซึ่งจะเก็บกล่องที่มีความมั่นใจสูงสุดไว้และละทิ้งกล่องอื่นๆ ที่อยู่เหนือเกณฑ์ IoU การสูญเสียร่วมกันปรับพิกัดของกล่อง ความเป็นกลาง และการจำแนกประเภทให้เหมาะสม ดังนั้นเครื่องตรวจจับทั้งหมดจึงฝึกจากต้นจนจบ
ผลกระทบเชิงกลยุทธ์
ความเร็วและขนาด
Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ
สร้างทางเลือก
ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง
ทีมงานและขั้นตอนการทำงาน
การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก
อนาคตของการตรวจจับแบบเรียลไทม์ของ YOLO
YOLO มีแนวโน้มไปสู่การปรับใช้ Edge อย่างต่อเนื่อง โดยมีโมเดลเชิงปริมาณขนาดเล็กที่ทำงานบนโทรศัพท์ ไมโครคอนโทรลเลอร์ และกล้องแบบฝังโดยไม่ต้องเชื่อมต่อกับระบบคลาวด์ ส่วนประกอบหม้อแปลงที่ออกใหม่กว่าและการออกแบบที่ปราศจากจุดยึดเพื่อความแม่นยำโดยไม่ทำให้ความเร็วลดลง คาดหวังการผสานรวมที่เข้มงวดมากขึ้นกับการติดตามและการแบ่งส่วน การตรวจจับคำศัพท์แบบเปิดที่จดจำออบเจ็กต์จากข้อความแจ้งแทนที่จะเป็นป้ายกำกับแบบตายตัว และให้ความสนใจอย่างต่อเนื่องในการทำงานอย่างมีประสิทธิภาพบนฮาร์ดแวร์ราคาถูกและใช้พลังงานต่ำที่ Edge
การใช้งานจริงในโลกแห่งความเป็นจริง
ระบบชำระเงินด้วยตนเองและร้านค้าไร้แคชเชียร์ที่ตรวจจับสินค้าในขณะที่ผู้ซื้อมารับสินค้า
โดรนและหุ่นยนต์เพื่อการเกษตร ตรวจจับพืชผล วัชพืช หรือปศุสัตว์แบบเรียลไทม์
กล้องจราจรและกล้องวงจรปิดจะนับยานพาหนะและตรวจจับคนเดินถนนเพื่อการวิเคราะห์เมืองอัจฉริยะ
สายการผลิตทำเครื่องหมายชิ้นส่วนที่ชำรุดบนสายพานลำเลียงที่เคลื่อนที่เร็ว
ความเสี่ยงและรั้ว
สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน
ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม
ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น
แผนงานการดำเนินงาน
กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล
สำรวจต่อไป
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the YOLO Real-Time Detection quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
คำแนะนำต่อไป
ตัวแทนเสียงแบบเรียลไทม์
คำถามที่พบบ่อย
การตรวจจับแบบเรียลไทม์ของ YOLO คืออะไร
YOLO (คุณดูเพียงครั้งเดียว) คือกลุ่มโมเดลการตรวจจับวัตถุที่ค้นหาและติดป้ายกำกับทุกวัตถุในรูปภาพด้วยการส่งผ่านเครือข่ายประสาทเดียว ซึ่งเร็วเพียงพอสำหรับวิดีโอสด ความเร็วของมันปลดล็อกการมองเห็นแบบเรียลไทม์ในทุกสิ่งตั้งแต่โดรนไปจนถึงตู้ชำระเงินด้วยตนเอง
YOLO ย่อมาจากอะไรในบริบทนี้?
YOLO ย่อมาจาก 'You Only Look Once' ซึ่งสะท้อนให้เห็นว่าตรวจพบวัตถุทั้งหมดในโครงข่ายประสาทเทียมเดียวที่ส่งผ่านรูปภาพ
นวัตกรรมสำคัญที่ทำให้ YOLO เร็วกว่าเครื่องตรวจจับรุ่นก่อนๆ เช่น R-CNN คืออะไร
YOLO กำหนดกรอบการตรวจจับใหม่ให้เป็นปัญหาการถดถอยหนึ่งปัญหาบนตารางรูปภาพ แทนที่การจำแนกประเภทเครื่องตรวจจับแบบสองขั้นตอนแบบช้าตามภูมิภาคโดยภูมิภาค
เทคนิคใดที่จะลบกล่องขอบเขตที่ซ้ำกันและทับซ้อนกันในเอาต์พุตของ YOLO
การปราบปรามแบบไม่สูงสุดจะเก็บกล่องความเชื่อมั่นสูงสุดไว้ และละทิ้งกล่องที่ทับซ้อนกันซึ่งอยู่เหนือเกณฑ์ทางแยกเหนือสหภาพ
ในการออกแบบ YOLO ดั้งเดิม รูปภาพอินพุตจะถูกแบ่งเพื่อการคาดการณ์อย่างไร
YOLO แบ่งรูปภาพออกเป็นตาราง S โดย S และแต่ละเซลล์มีหน้าที่ทำนายกล่องและความน่าจะเป็นของคลาสสำหรับวัตถุที่อยู่ตรงกลางนั้น
แต่ละเซลล์กริดทำนายปริมาณใดควบคู่ไปกับพิกัดกล่องขอบเขต
แต่ละเซลล์ทำนายพิกัดของกล่อง คะแนนความมั่นใจในความเป็นวัตถุ และความน่าจะเป็นของคลาส ทั้งหมดนี้รวมกันในการส่งต่อครั้งเดียว