Phân loại hình ảnh

Phân loại hình ảnh là một nhiệm vụ cơ bản trong thị giác máy tính liên quan đến việc gán nhãn hoặc danh mục cho toàn bộ hình ảnh. Quá trình này cho phép máy móc xác định và phân loại chủ thể hoặc cảnh chính được mô tả trong hình ảnh, cho phép nhiều ứng dụng trong nhiều ngành công nghiệp khác nhau. Các mô hình phân loại hình ảnh được đào tạo để nhận dạng các mẫu và đặc điểm trong hình ảnh, cho phép chúng phân loại chính xác các hình ảnh mới, chưa từng thấy dựa trên kiến thức đã học của chúng.

Các khái niệm chính trong phân loại hình ảnh

Phân loại hình ảnh dựa trên một số khái niệm chính từ học máy và học sâu. Về bản chất, phân loại hình ảnh thường liên quan đến việc đào tạo Mạng nơ-ron tích chập (CNN) , một loại mạng nơ-ron đặc biệt phù hợp với dữ liệu hình ảnh. CNN có thể tự động học các biểu diễn phân cấp của hình ảnh thông qua các lớp bộ lọc phát hiện các mẫu ngày càng phức tạp. Trong quá trình đào tạo, mô hình được cung cấp một tập dữ liệu lớn gồm các hình ảnh được gắn nhãn và nó điều chỉnh các tham số bên trong của mình để giảm thiểu sự khác biệt giữa các nhãn dự đoán và nhãn thực. Quá trình này thường liên quan đến các kỹ thuật như tăng cường dữ liệu , làm tăng kích thước của tập dữ liệu đào tạo một cách giả tạo bằng cách áp dụng các phép biến đổi như xoay, lật và cắt vào các hình ảnh hiện có.

Phân loại hình ảnh so với Phát hiện đối tượng

Mặc dù cả phân loại hình ảnh và phát hiện đối tượng đều là các tác vụ quan trọng của thị giác máy tính, nhưng chúng phục vụ các mục đích khác nhau. Phân loại hình ảnh gán một nhãn duy nhất cho toàn bộ hình ảnh, xác định chủ thể hoặc cảnh chính. Ví dụ, một mô hình phân loại hình ảnh có thể dán nhãn một hình ảnh là "mèo", "chó" hoặc "ô tô". Ngược lại, phát hiện đối tượng không chỉ xác định sự hiện diện của nhiều đối tượng trong một hình ảnh mà còn định vị chúng bằng các hộp giới hạn . Một mô hình phát hiện đối tượng có thể xác định và định vị nhiều đối tượng trong một hình ảnh, chẳng hạn như mèo, chó và ô tô, mỗi đối tượng có hộp giới hạn riêng. Ultralytics YOLO các mô hình có khả năng thực hiện cả nhiệm vụ phân loại hình ảnh và phát hiện đối tượng, cung cấp các giải pháp đa năng cho nhiều ứng dụng thị giác máy tính khác nhau. Bạn có thể tìm hiểu thêm về sự phát triển của các mô hình này trong Sự phát triển của các mô hình YOLO phát hiện đối tượng và Ultralytics .

Ứng dụng thực tế của phân loại hình ảnh

Phân loại hình ảnh có nhiều ứng dụng thực tế trong nhiều ngành công nghiệp khác nhau:

• Chăm sóc sức khỏe : Trong lĩnh vực y tế, phân loại hình ảnh có thể được sử dụng để phân tích hình ảnh y tế, chẳng hạn như chụp X-quang, chụp CT và chụp MRI, để hỗ trợ chẩn đoán bệnh. Ví dụ, một mô hình có thể được đào tạo để phân loại hình ảnh tổn thương da là lành tính hay ác tính, hỗ trợ phát hiện ung thư sớm. Tìm hiểu thêm về AI trong chăm sóc sức khỏe .
• Nông nghiệp : Phân loại hình ảnh có thể giúp theo dõi sức khỏe cây trồng, phát hiện bệnh thực vật và phân loại các loại cây trồng khác nhau. Ví dụ, một mô hình có thể phân tích hình ảnh lá cây để xác định dấu hiệu bệnh tật hoặc thiếu hụt chất dinh dưỡng, cho phép can thiệp kịp thời. Khám phá cách AI được sử dụng trong nông nghiệp .
• Bán lẻ : Trong bán lẻ, phân loại hình ảnh có thể được sử dụng để nhận dạng sản phẩm, giúp tự động hóa quản lý hàng tồn kho và cải thiện hiệu quả của quy trình thanh toán. Ví dụ, một hệ thống có thể phân loại hình ảnh sản phẩm trên kệ để theo dõi mức tồn kho theo thời gian thực. Tìm hiểu thêm về cách AI được sử dụng trong bán lẻ .
• Giám sát động vật hoang dã : Phân loại hình ảnh có thể được sử dụng để xác định và phân loại các loài động vật khác nhau trong hình ảnh được chụp bằng bẫy ảnh, hỗ trợ các nỗ lực bảo tồn động vật hoang dã. Ví dụ, một mô hình có thể tự động phân loại hình ảnh động vật để theo dõi quy mô quần thể và giám sát các loài có nguy cơ tuyệt chủng. Khám phá cách AI được sử dụng trong bảo tồn động vật hoang dã .

Đào tạo và triển khai mô hình phân loại hình ảnh

Đào tạo mô hình phân loại hình ảnh bao gồm một số bước, bao gồm thu thập dữ liệu, xử lý trước, đào tạo mô hình và đánh giá. Các tập dữ liệu được gắn nhãn chất lượng cao là điều cần thiết để đào tạo các mô hình chính xác. Sau khi được đào tạo, các mô hình có thể được triển khai bằng nhiều nền tảng và công cụ khác nhau. Ultralytics HUB cung cấp nền tảng thân thiện với người dùng để đào tạo và triển khai các mô hình Ultralytics YOLO , bao gồm cả các mô hình phân loại hình ảnh. Ultralytics HUB đơn giản hóa quy trình, cho phép người dùng dễ dàng quản lý các tập dữ liệu, đào tạo các mô hình và triển khai chúng cho các ứng dụng thực tế. Bạn có thể tìm hiểu thêm về cách sử dụng Ultralytics YOLO11 để phân loại hình ảnh trong hướng dẫn này về cách sử dụng YOLO11 để phân loại hình ảnh . Ngoài ra, bạn có thể khám phá những điều cơ bản về phân loại hình ảnh và các ứng dụng của nó trong phần giới thiệu về phân loại hình ảnh này.

Các khái niệm liên quan

Nhận dạng hình ảnh : Một thuật ngữ rộng hơn bao gồm cả phân loại hình ảnh và phát hiện đối tượng, liên quan đến việc xác định và hiểu các đối tượng và cảnh trong hình ảnh. Tìm hiểu thêm về nhận dạng hình ảnh .

Phân đoạn hình ảnh : Bao gồm việc phân chia một hình ảnh thành nhiều phân đoạn hoặc vùng, mỗi phân đoạn đại diện cho một đối tượng hoặc một phần khác nhau của đối tượng. Không giống như phân loại hình ảnh, chỉ gán một nhãn duy nhất cho toàn bộ hình ảnh, phân đoạn hình ảnh cung cấp phân tích chi tiết hơn bằng cách phân loại từng pixel trong hình ảnh. Tìm hiểu thêm về phân đoạn hình ảnh .