Архитектуры обнаружения объектов

Основные компоненты

Большинство архитектур обнаружения объектов состоят из нескольких ключевых компонентов, работающих вместе. Магистральная сеть, чаще всего конволюционная нейронная сеть (CNN), выполняет первоначальное извлечение признаков из входного изображения, определяя низкоуровневые паттерны, такие как края и текстуры, и постепенно более сложные признаки. Далее часто следует компонент "шея", который агрегирует признаки, полученные на разных этапах работы сети, чтобы создать более богатые представления, подходящие для обнаружения объектов в различных масштабах, - эта концепция подробно описана в таких ресурсах, как статья Feature Pyramid Network. И наконец, головка обнаружения использует эти признаки для предсказания класса и местоположения (координаты ограничительного поля) объектов. Производительность часто измеряется с помощью таких метрик, как Intersection over Union (IoU) для оценки точности локализации и mean Average Precision (mAP) для общего качества обнаружения, а подробные объяснения можно найти на сайтах вроде страницы оценки набора данных COCO.

Типы архитектур

Архитектуры обнаружения объектов широко классифицируются в зависимости от их подхода:

• Двухэтапные детекторы: Эти модели сначала предлагают области интереса (РОИ), в которых могут находиться объекты, а затем классифицируют и уточняют ограничивающее поле для каждой РОИ. В качестве примера можно привести семейство R-CNN, например Faster R-CNN. Они часто обладают высокой точностью, но могут требовать больших вычислительных затрат.
• Одноэтапные детекторы: Эти модели напрямую предсказывают ограничительные рамки и вероятности классов по входному изображению за один проход, пропуская этап предложения регионов. В качестве примера можно привести одноэтапный многобоксовый детектор (SSD) и Ultralytics YOLO семейство. Как правило, они обеспечивают более высокую скорость вывода в реальном времени, что делает их подходящими для приложений, требующих быстрой реакции. Современные одноступенчатые детекторы, такие как YOLO11 часто используют безъякорные методы, что упрощает конструкцию по сравнению со старыми методами, основанными на якорях. Ты можешь изучить сравнения между различными моделями YOLO , чтобы увидеть их эволюцию.

Отличие от похожих терминов

Важно отличать архитектуры обнаружения объектов от смежных задач компьютерного зрения:

• Классификация изображений: Присваивает единую метку всему изображению (например, "кошка", "собака"). Она определяет , что находится на изображении глобально, но не определяет , где расположены конкретные объекты. Примеры см. в документации к задаче классификацииUltralytics .
• Семантическая сегментация: Классифицирует каждый пиксель на изображении в заранее определенную категорию (например, все пиксели, принадлежащие автомобилям, помечаются как "автомобиль"). Она обеспечивает плотное предсказание, но не различает разные экземпляры одного и того же класса объектов.
• Сегментация экземпляров: Идёт на шаг дальше семантической сегментации, классифицируя каждый пиксель и различая отдельные экземпляры объектов (например, обозначая "машина 1", "машина 2"). Он сочетает в себе обнаружение объектов и семантическую сегментацию. Подробнее об этом читай в документации к задаче сегментацииUltralytics .

Применение в реальном мире

Архитектуры обнаружения объектов служат основой для множества приложений ИИ в самых разных отраслях:

• Автономные транспортные средства: Для самоуправляемых автомобилей важно воспринимать окружающую обстановку, обнаруживая пешеходов, другие автомобили, дорожные знаки и разметку полосы движения. Такие компании, как Waymo, во многом полагаются на сложное распознавание объектов. Подробнее об искусственном интеллекте в самоуправляемых автомобилях.
• Безопасность и наблюдение: Используется в системах безопасности для обнаружения несанкционированного доступа, наблюдения за толпой на предмет необычной активности или распознавания лиц. Практический пример смотри в руководстве по системам охранной сигнализацииUltralytics .
• Анализ медицинских изображений: Помогает радиологам обнаруживать аномалии вроде опухолей или переломов на рентгеновских снимках, КТ и МРТ. Изучи решения ИИ в здравоохранении и конкретные приложения вроде обнаружения опухолей с помощью YOLO11.
• Аналитика розничной торговли: Обеспечивает работу таких приложений, как автоматизированные кассы, мониторинг полок и искусственный интеллект для управления запасами.

Инструменты и технологии

Разработка и развертывание моделей, основанных на этих архитектурах, часто предполагает использование специализированных инструментов и фреймворков:

• Фреймворки для глубокого обучения: Такие библиотеки, как PyTorch (посети официальный сайтPyTorch ) и TensorFlow (см. сайтTensorFlow ) предоставляют основные строительные блоки.
• Библиотеки компьютерного зрения: OpenCV (официальный сайт: OpenCV.org) предлагает широкий набор функций для обработки и манипулирования изображениями.
• Модели и платформы: Ultralytics предоставляет современные моделиUltralytics YOLO и платформу Ultralytics HUB, упрощающие процесс обучения пользовательских моделей, управления наборами данных(например, COCO) и развертывания решений.
• Открытый исходный код: Многие архитектуры и инструменты для обнаружения объектов разрабатываются под лицензией с открытым исходным кодом, что способствует сотрудничеству и инновациям в сообществе ИИ. На таких ресурсах, как GitHub, размещено множество проектов в этой области.