Khám phá cách các máy dò dựa trên mỏ neo cách mạng hóa việc phát hiện vật thể bằng cách xác định chính xác các vật thể ở mọi kích thước trong nhiều ứng dụng khác nhau như AI và ML.
Các bộ dò dựa trên neo là một loại mô hình phát hiện đối tượng được sử dụng rộng rãi trong lĩnh vực thị giác máy tính . Các mô hình này sử dụng các hộp được xác định trước, được gọi là "mỏ neo", để dự đoán vị trí và lớp đối tượng trong một hình ảnh. Mỏ neo đóng vai trò là điểm tham chiếu, giúp mô hình tạo ra các đề xuất cho các đối tượng tiềm năng. Chúng đặc biệt hữu ích để phát hiện các đối tượng có nhiều kích thước và hình dạng khác nhau, khiến chúng trở thành lựa chọn phổ biến trong nhiều kiến trúc phát hiện đối tượng.
Các máy dò dựa trên mỏ neo hoạt động bằng cách sử dụng một lưới các hộp neo có các tỷ lệ và tỷ lệ khung hình khác nhau trượt trên hình ảnh. Mỗi hộp neo được định vị một cách chiến lược để bao phủ một loạt các kích thước và hình dạng vật thể tiềm năng. Trong quá trình đào tạo , mô hình học cách phân loại từng hộp neo thành có chứa một vật thể hoặc chỉ là nền. Nó cũng tinh chỉnh vị trí của các hộp neo này để phát hiện chính xác các vật thể. Quá trình tinh chỉnh này bao gồm việc điều chỉnh kích thước và vị trí của hộp neo để phù hợp hơn với hộp giới hạn thực tế của vật thể. Đầu ra cuối cùng là một tập hợp các hộp giới hạn, mỗi hộp có nhãn lớp tương ứng và điểm tin cậy, cho biết khả năng có mặt của một vật thể.
Các máy dò dựa trên mỏ neo được sử dụng rộng rãi trong nhiều ngành công nghiệp khác nhau do tính mạnh mẽ và khả năng thích ứng của chúng. Chúng đặc biệt hiệu quả trong các tình huống mà các vật thể có thể xuất hiện ở các tỷ lệ và tỷ lệ khung hình khác nhau.
Sau đây là hai ví dụ cụ thể về ứng dụng trong thế giới thực:
Các máy dò dạng mỏ neo cũng được sử dụng trong chăm sóc sức khỏe để phân tích hình ảnh y tế, trong nông nghiệp để theo dõi cây trồng và vật nuôi, và trong sản xuất để kiểm soát chất lượng và phát hiện lỗi.
Máy dò dạng mỏ neo có một số ưu điểm khiến chúng phù hợp với nhiều ứng dụng khác nhau:
Một số mô hình phát hiện đối tượng phổ biến sử dụng các phương pháp tiếp cận dựa trên neo. Ví dụ, các phiên bản trước của họ Ultralytics YOLO , chẳng hạn như YOLOv4 , là các máy dò dựa trên neo nổi tiếng. Các mô hình đáng chú ý khác bao gồm Faster R-CNN, giới thiệu khái niệm Mạng đề xuất vùng (RPN) để tạo các đề xuất vùng bằng cách sử dụng neo, và Single Shot MultiBox Detector (SSD) ( nguồn ), sử dụng nhiều bản đồ đặc điểm ở các tỷ lệ khác nhau để phát hiện đối tượng.
Mặc dù các máy dò dựa trên neo đã rất thành công, nhưng chúng vẫn có một số hạn chế. Việc sử dụng các hộp neo được xác định trước có thể đưa vào các siêu tham số bổ sung và độ phức tạp về mặt tính toán. Mặt khác, các máy dò không neo có thể dự đoán trực tiếp vị trí của vật thể mà không cần dựa vào các hộp được xác định trước. Cách tiếp cận này đơn giản hóa quy trình phát hiện và có thể hiệu quả hơn trong một số trường hợp nhất định. Tuy nhiên, các máy dò dựa trên neo vẫn là lựa chọn mạnh mẽ cho nhiều ứng dụng do khả năng xử lý các vật thể ở nhiều quy mô khác nhau và thành tích đã được chứng minh về độ chính xác. Để tìm hiểu thêm về lợi ích của phát hiện không neo, bạn có thể đọc bài viết này về lợi ích của Ultralytics YOLO11 là máy dò không neo .
%25202.png)
%202.png)
