Arquitecturas de deteção de objectos

Componentes principais

A maioria das arquitecturas de deteção de objectos é constituída por vários componentes-chave que trabalham em conjunto. Uma rede de base, frequentemente uma Rede Neuronal Convolucional (CNN), efectua a extração inicial de caraterísticas da imagem de entrada, identificando padrões de baixo nível, como arestas e texturas, e caraterísticas progressivamente mais complexas. Segue-se frequentemente um componente "pescoço", que agrega caraterísticas de diferentes fases da espinha dorsal para criar representações mais ricas, adequadas à deteção de objectos a várias escalas. Finalmente, a cabeça de deteção utiliza estas caraterísticas para prever a classe e a localização (coordenadas da caixa delimitadora) dos objectos. O desempenho é frequentemente medido utilizando métricas como Intersecção sobre União (IoU) para avaliar a precisão da localização.

Tipos de arquitecturas

As arquitecturas de deteção de objectos são classificadas em termos gerais com base na sua abordagem:

• Detectores de duas fases: Estas arquitecturas, como a R-CNN e as suas sucessoras, como a Faster R-CNN, identificam primeiro potenciais regiões de interesse (propostas de regiões) na imagem e, em seguida, classificam e refinam as caixas delimitadoras dos objectos nessas regiões. São frequentemente conhecidas pela sua elevada precisão, mas podem ser mais lentas.
• Detectores de uma fase: Arquitecturas como SSD(Single Shot MultiBox Detetor) e Ultralytics YOLO (You Only Look Once) efectuam a localização e classificação de objectos simultaneamente numa única passagem pela rede. Isto torna-os significativamente mais rápidos e adequados para inferência em tempo real. Os modelos YOLO modernos, como o YOLO11 frequentemente empregam técnicas sem âncoras, simplificando o design e melhorando potencialmente a generalização em comparação com métodos mais antigos baseados em âncoras.

Distinção de termos semelhantes

É importante distinguir as arquitecturas de deteção de objectos das tarefas de visão computacional relacionadas:

• Classificação de imagens: Identifica o tema principal de uma imagem (por exemplo, "gato"), mas não o localiza. A deteção de objectos diz-te que objectos estão presentes e onde estão.
• Segmentação semântica: Classifica cada pixel de uma imagem em categorias predefinidas (por exemplo, estrada, carro, céu), fornecendo uma compreensão densa, ao nível do pixel, sem distinguir entre instâncias de objectos individuais.
• Segmentação de instâncias: Vai um passo além da deteção de objectos e da segmentação semântica, identificando instâncias individuais de objectos e fornecendo uma máscara ao nível do pixel para cada uma delas.

Aplicações no mundo real

As arquitecturas de deteção de objectos alimentam inúmeras aplicações de IA em diversos sectores:

1. Veículos autónomos: Crucial para permitir que os carros autónomos percebam o seu ambiente, detectando outros veículos, peões, ciclistas e sinais de trânsito para uma navegação segura(ver blogue AI in self-driving cars).
2. Análise de imagens médicas: Ajuda os radiologistas através da deteção e localização automáticas de anomalias como tumores, lesões ou fracturas em radiografias, tomografias computorizadas e ressonâncias magnéticas, o que pode levar a diagnósticos mais precoces(explora a IA nos cuidados de saúde).
3. Segurança e vigilância: Automatização da monitorização através da deteção de intrusões, da identificação de indivíduos específicos(reconhecimento facial) ou do seguimento de objectos em imagens de vídeo(ver Guia do Sistema de Alarme de Segurança).
4. Análise de retalho: Monitoriza o stock nas prateleiras(IA para gestão de inventário), analisa o tráfego de clientes e melhora os sistemas de checkout.

Ferramentas e tecnologias

O desenvolvimento e a implementação de modelos baseados nestas arquitecturas envolvem frequentemente ferramentas e estruturas especializadas:

• Ultralytics YOLO: Uma família popular de modelos e uma estrutura de acompanhamento conhecida por equilibrar velocidade e precisão, amplamente utilizada para aplicações em tempo real. Podes comparar diferentes versões YOLO , como YOLO11 vs YOLOv10.
• Ultralytics HUB: Uma plataforma que simplifica o processo de formação, gestão e implementação de modelos YOLO sem codificação extensiva.
• Estruturas de aprendizagem profunda: Bibliotecas como PyTorch e TensorFlow fornecem os blocos de construção para criar e treinar essas redes neurais complexas.
• OpenCV: Uma biblioteca de código aberto essencial que oferece uma vasta gama de funções de visão computacional frequentemente utilizadas juntamente com modelos de deteção para tarefas de pré-processamento e pós-processamento.