Сегментация экземпляров

Сегментация экземпляров - это сложная техника компьютерного зрения, которая позволяет улучшить обнаружение объектов, не только идентифицируя их на изображении, но и определяя точные границы каждого объекта на уровне пикселей. В отличие от более простых методов, сегментация экземпляров различает отдельные экземпляры одного и того же класса объектов, обеспечивая детальную маску для каждого объекта в сцене. Такой гранулярный уровень понимания делает его неоценимым для приложений, требующих точного распознавания и разделения объектов.

Что такое сегментация экземпляров?

Сегментация экземпляров выходит за рамки базового обнаружения объектов, которое рисует ограничительные рамки вокруг объектов, и семантической сегментации, которая маркирует каждый пиксель на изображении классом, но не делает различий между отдельными объектами одного класса. Вместо этого сегментация экземпляров уникально идентифицирует каждый экземпляр объекта, даже если они пересекаются. Например, на изображении с несколькими автомобилями сегментация по экземпляру не только распознает их все как "автомобиль", но и создаст отдельную, пиксельно идеальную маску для каждого отдельного автомобиля, отличая их друг от друга и от фона. Эта возможность очень важна в сценариях, где требуется подсчитать отдельные объекты или проанализировать их специфические формы.

Сегментация экземпляров по сравнению со смежными задачами

Несмотря на свою родственность, сегментация экземпляров значительно отличается от других задач компьютерного зрения:

• Обнаружение объектов: Обнаружение объектов направлено на идентификацию и локализацию объектов на изображении путем рисования вокруг них ограничительных рамок. Это говорит тебе о том , что и где находится, но не об их точной форме или границах.
• Семантическая сегментация: Семантическая сегментация относит каждый пиксель изображения к заранее определенным классам, таким как "небо", "дорога" или "автомобиль". Она обеспечивает понимание сцены на уровне пикселей, но не различает отдельные экземпляры одного и того же класса объектов. Например, все автомобили помечаются как "автомобильные" пиксели, но не выделяются как отдельные объекты.
• Сегментация инстанса: Сегментация объектов сочетает в себе сильные стороны обоих методов. Она выполняет классификацию на уровне пикселей, как семантическая сегментация, но при этом дифференцирует и сегментирует каждый экземпляр объекта по отдельности, как при обнаружении объектов, обеспечивая полное и детальное понимание объектов на изображении.

Области применения сегментации экземпляров

Точность сегментации экземпляров делает ее незаменимой в самых разных областях:

• Автономное вождение: В самоуправляемых автомобилях сегментация объектов может помочь машине понять окружающую обстановку, точно идентифицируя и отслеживая каждого пешехода, транспортное средство и препятствие на дороге. Такое детальное восприятие крайне важно для безопасной навигации и принятия решений в сложных дорожных сценариях.
• Анализ медицинских изображений: В здравоохранении сегментация экземпляров неоценима для анализа медицинских изображений. С ее помощью можно точно сегментировать отдельные клетки, опухоли или органы на таких медицинских снимках, как МРТ или КТ, что помогает в диагностике, планировании лечения и наблюдении за развитием болезни. Например, Ultralytics YOLOv8 можно использовать для обнаружения опухолей в медицинской визуализации, используя сегментацию экземпляров для точного определения местоположения и очерчивания опухолей.
• Робототехника: Для роботов, взаимодействующих с реальным миром, сегментация объектов обеспечивает детальное понимание сцены, необходимое для выполнения сложных задач. Будь то роботизированная рука, собирающая товары на складе, или сервисный робот, перемещающийся по динамичной среде, знание точной формы и местоположения каждого объекта критически важно для эффективной и безопасной работы.

Сегментация экземпляров и Ultralytics YOLO

Ultralytics YOLO Модели находятся на переднем крае сегментации экземпляров в реальном времени, предлагая такие модели, как Ultralytics YOLOv8 и Ultralytics YOLO11 которые способны выполнять сегментацию экземпляров с высокой точностью и скоростью. Эти модели можно легко обучить на пользовательских наборах данных и развернуть с помощью Ultralytics HUB для упрощенного управления и развертывания моделей. Чтобы начать работу с сегментацией экземпляров, ты можешь изучить такие ресурсы, как "Как использовать Ultralytics YOLO11 для сегментации экземпляров " и " Сегментация с помощью предварительно обученных Ultralytics YOLOv8 моделей" в Python.