Bộ dò dựa trên neo là một loại mô hình phát hiện đối tượng trong thị giác máy tính sử dụng các hộp được xác định trước—mỏ neo—để dự đoán vị trí và loại đối tượng trong một hình ảnh. Các mỏ neo này hoạt động như các tham chiếu để tạo đề xuất cho các đối tượng tiềm năng. Chúng rất cần thiết trong việc xử lý các đối tượng có nhiều tỷ lệ và tỷ lệ khung hình khác nhau và phổ biến trong nhiều kiến trúc phát hiện đối tượng phổ biến.
Cách hoạt động của máy dò dựa trên neo
Các máy dò dựa trên neo phân loại và tinh chỉnh vị trí của các hộp neo này để phát hiện chính xác các đối tượng. Chúng hoạt động bằng cách sử dụng lưới các hộp neo ở các tỷ lệ và tỷ lệ khung hình khác nhau, trượt trên hình ảnh. Sau đó, mỗi hộp được điều chỉnh trong quá trình đào tạo để phù hợp hơn với các đối tượng, biến thành một hộp giới hạn với điểm lớp riêng biệt.
Các mô hình đáng chú ý
- Faster R-CNN : Kiến trúc này sử dụng đề xuất vùng và nổi tiếng về độ chính xác. Nó bao gồm Mạng đề xuất vùng (RPN) tạo ra đề xuất đối tượng và liên quan đến khuôn khổ hai giai đoạn.
- RetinaNet : Được biết đến với khả năng sử dụng mất mát tiêu cự , RetinaNet là một bộ phát hiện một giai đoạn duy trì độ chính xác cao với hiệu quả trong khi giải quyết tình trạng mất cân bằng lớp.
- Ultralytics YOLOv8 : Mô hình này tiếp tục nâng cao khả năng phát hiện thời gian thực đặc biệt trong khi tích hợp các phương pháp dựa trên neo. Tìm hiểu thêm về YOLOv8 .
Ứng dụng trong AI và ML
Máy dò dạng mỏ neo được ứng dụng rộng rãi trong nhiều ngành công nghiệp khác nhau do tính mạnh mẽ và khả năng thích ứng của chúng:
- Xe tự hành : Hỗ trợ nhận dạng người đi bộ, phương tiện và chướng ngại vật theo thời gian thực, tăng cường an toàn đường bộ .
- Chăm sóc sức khỏe : Được sử dụng trong hình ảnh y tế để phát hiện các bất thường hoặc bệnh tật trong quá trình quét. Tìm hiểu thêm về AI trong chăm sóc sức khỏe .
- Nông nghiệp : Được sử dụng trong nông nghiệp chính xác để xác định cây trồng và theo dõi sự phát triển. Tìm hiểu về AI trong Nông nghiệp .
Đặc điểm phân biệt
- So sánh với các máy dò không neo : Các mô hình không neo như CenterNet đề xuất một cách tiếp cận khác bằng cách dự đoán tâm và kích thước của đối tượng mà không cần neo được xác định trước. Mặc dù cả hai phương pháp đều hiệu quả, các mô hình dựa trên neo thường được ưu tiên để xử lý các tỷ lệ đối tượng đa dạng trong một hình ảnh.
Ví dụ thực tế
- Sản xuất : Máy dò dạng mỏ neo giúp đơn giản hóa việc kiểm soát chất lượng bằng cách phát hiện lỗi trong sản phẩm , đảm bảo tiêu chuẩn cao.
- Bán lẻ : Được sử dụng để quản lý hàng tồn kho nhằm xác định các mặt hàng được lưu trữ trên kệ bằng các chiến lược phát hiện đối tượng tiên tiến.
Liên kết liên quan
Các máy dò dựa trên mỏ neo tiếp tục đóng vai trò không thể thiếu trong việc thúc đẩy khả năng AI trong các ứng dụng thực tế, cung cấp thông tin chi tiết sắc thái về phát hiện, theo dõi và xử lý đối tượng. Khám phá cách Ultralytics cho phép triển khai các công nghệ như vậy một cách dễ dàng với Ultralytics HUB .