HƯỚNG DẪN AI trực quan

Phát hiện đối tượng

Phát hiện đối tượng nhận diện và định vị các thể hiện đối tượng trong hình ảnh, thường trả về nhãn danh mục và hộp giới hạn.

Nghe hướng dẫn nàyAI thuật lại · ~2 min

Trên trang nàyĐọc trong 2 phút
  1. Tổng quan
  2. Những điểm chính rút ra
  3. Lặn sâu
  4. Chồng lấn hộp tính toán
  5. Triển khai trong thế giới thực
  6. Đưa nó vào thực tế
  7. Nguồn tham khảo và đọc thêm
  8. Tiếp tục khám phá
  9. Câu hỏi thường gặp

Tổng quan

Nó khác với phân loại hình ảnh, vốn có thể gán nhãn mà không cần xác định vị trí đối tượng, và phân đoạn, mô tả các vùng ở cấp độ điểm ảnh.

Những điểm chính rút ra

  1. Định nghĩa các chú thích thể hiện nhất quán.
  2. Báo cáo các thiết lập khớp và ngưỡng.
  3. Kiểm tra các vật thể nhỏ, ẩn và đông đúc.

Lặn sâu

Một bộ dữ liệu phát hiện cần nhãn và chú thích vị trí nhất quán. Định nghĩa cách xử lý các đối tượng bị ẩn một phần, các trường hợp rất nhỏ và các danh mục mơ hồ. Các hộp không nhất quán hoặc đối tượng bị bỏ sót có thể gây nhầm lẫn cả huấn luyện lẫn đánh giá. Kết quả của mô hình thường bao gồm điểm số và vị trí cho từng ứng viên. Xử lý hậu kỳ có thể loại bỏ các dự đoán trùng lặp chồng lấn hoặc áp dụng ngưỡng. Các thiết lập này ảnh hưởng đến sự cân bằng giữa đối tượng bị bỏ sót và phát hiện sai và nên được ghi lại cùng với kết quả. Đánh giá vị trí hóa và độ đúng danh mục cùng nhau. Giao điểm trên liên kết đo lường sự chồng lấn giữa vùng dự đoán và vùng tham chiếu. Độ chính xác và khả năng ghi lại cũng phụ thuộc vào quy tắc phù hợp, ngưỡng điểm số và kích thước đối tượng được bao gồm. Kiểm tra các điều kiện ghi hình thực tế, bao gồm mờ, thay đổi ánh sáng, che khuất và cảnh đông đúc. Một bộ phát hiện có thể xuất hiện mạnh trên các đối tượng lớn và cô lập, trong khi bỏ qua các đối tượng nhỏ hoặc bị che khuất một phần quan trọng trong triển khai. Xác định cách các phát hiện không chắc chắn được xem xét trước khi chúng kích hoạt các hành động hậu quả.

04Ví dụ hoạt động

Chồng lấn hộp tính toán

  1. Sử dụng hai hộp 10x10 do phát minh. Hộp thứ hai được dịch 5 đơn vị theo chiều ngang, để chồng lên nhau trên vùng 5x10.

  2. Diện tích giao nhau là 50 và hợp là 100+100−50 = 150. Giao cắt trên hợp là 50/150, khoảng 0,33.

  3. Dưới ngưỡng khớp 0.5, các hộp sẽ không được tính là khớp bản địa hóa đủ mặc dù có sự chồng lấn đáng kể.

Những gì nó cho thấy

Hình học được xây dựng giải thích một thành phần đánh giá; nó không phải là một điểm chuẩn của bộ dò dò.

Triển khai trong thế giới thực

Đếm các sản phẩm dễ nhìn thấy trên kệ đồng thời đo lường các phát hiện bị bỏ sót và trùng lặp.

Xác định vị trí các vùng tài liệu trước bước trích xuất văn bản riêng biệt.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Tốc độ và tỷ lệ. Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
  • Xây dựng lựa chọn. Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
  • Nhóm và quy trình làm việc. Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.

coi chừng

  • Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
  • Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
  • Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.

Các bước tiếp theo

  1. Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
  2. Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
  3. Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
  4. Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.

Nguồn tham khảo và đọc thêm

  1. PyTorchHướng dẫn phát hiện đối tượng TorchVision

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Take the Object Detection quiz

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Việc phát hiện vật thể có giống như đếm không?

Phát hiện có thể hỗ trợ đếm, nhưng các trường hợp bị bỏ lỡ và hộp trùng lặp ảnh hưởng đến việc đếm cuối cùng. Đánh giá rõ ràng tác vụ tiếp theo đó.