Phân đoạn trường hợp

Tổng quan

Vượt xa các phương pháp đơn giản hơn, phân đoạn thể hiện tạo ra một mặt nạ duy nhất cho mọi đối tượng được phát hiện, ngay cả khi nhiều đối tượng thuộc cùng một danh mục (như xác định từng chiếc xe riêng biệt trong ảnh giao thông). Phác thảo hoàn hảo đến từng pixel này cho phép các hệ thống hiểu không chỉ những đối tượng nào hiện diện mà còn hiểu hình dạng, kích thước và vị trí chính xác của chúng, phân biệt các mục chồng chéo một cách hiệu quả. Khả năng này rất quan trọng đối với các nhiệm vụ đòi hỏi nhận thức không gian chính xác và độ chính xác cao.

Phân đoạn trường hợp so với các nhiệm vụ liên quan

Điều quan trọng là phải phân biệt phân đoạn trường hợp với các tác vụ thị giác máy tính liên quan:

• Phát hiện đối tượng : Nhiệm vụ này xác định các đối tượng và vẽ một hộp giới hạn hình chữ nhật xung quanh mỗi đối tượng. Nó cho bạn biết vị trí của các đối tượng nhưng không cho biết hình dạng chính xác của chúng.
• Phân đoạn ngữ nghĩa : Phân đoạn này phân loại mọi pixel trong hình ảnh thành một danh mục (ví dụ: 'ô tô', 'đường', 'bầu trời'). Tuy nhiên, nó không phân biệt giữa các trường hợp riêng lẻ; tất cả các ô tô sẽ chia sẻ cùng một nhãn 'ô tô' mà không cần phân tách. Bạn có thể tìm hiểu thêm trong hướng dẫn này về phân đoạn trường hợp so với phân đoạn ngữ nghĩa .
• Phân đoạn toàn cảnh : Kết hợp phân đoạn ngữ nghĩa và phân đoạn thể hiện, gán cả nhãn lớp và ID thể hiện duy nhất cho mỗi pixel.

Phân đoạn trường hợp tập trung cụ thể vào việc xác định và phác thảo các đối tượng riêng biệt .

Phân đoạn phiên bản hoạt động như thế nào

Các phương pháp tiếp cận truyền thống, như Mask R-CNN nổi tiếng, thường sử dụng quy trình hai giai đoạn: đầu tiên phát hiện các đối tượng có hộp giới hạn, sau đó tạo mặt nạ bên trong các hộp đó. Mặc dù chính xác, nhưng điều này có thể tốn nhiều tài nguyên tính toán. Các phương pháp hiện đại hơn, một giai đoạn, bao gồm các biến thể của Ultralytics YOLO , dự đoán các hộp giới hạn và mặt nạ đồng thời, đạt được hiệu suất nhanh hơn phù hợp với suy luận thời gian thực . Các mô hình này được đào tạo trên các tập dữ liệu lớn như COCO , bao gồm chú thích phân đoạn ( COCO Segmentation Dataset ).

Ứng dụng của Phân đoạn trường hợp

Kết quả chi tiết của phân đoạn trường hợp có giá trị vô cùng to lớn trong nhiều lĩnh vực:

1. Lái xe tự động : Phân đoạn chính xác người đi bộ, phương tiện, người đi xe đạp và làn đường cho phép xe tự lái hiểu rõ hơn về môi trường xung quanh, điều hướng các tình huống giao thông phức tạp một cách an toàn và dự đoán chuyển động chính xác hơn so với chỉ các hộp giới hạn. Nghiên cứu của các tổ chức như Waymo thường dựa nhiều vào phân đoạn.
2. Phân tích hình ảnh y tế : Trong X quang hoặc bệnh lý học, phân đoạn trường hợp có thể phác thảo chính xác khối u, cơ quan hoặc thậm chí là từng tế bào trong các lần quét (như MRI hoặc CT). Điều này hỗ trợ bác sĩ trong việc chẩn đoán, lập kế hoạch điều trị (ví dụ: xạ trị) và đo lường những thay đổi theo thời gian, góp phần vào những tiến bộ trong AI trong chăm sóc sức khỏe . Xem hướng dẫn về cách sử dụng YOLO11 để phát hiện khối u .
3. Robot: Robot thực hiện các nhiệm vụ như nhặt và đặt các vật phẩm cần biết hình dạng chính xác của các vật thể để nắm bắt chúng một cách chính xác, đặc biệt là trong môi trường lộn xộn. Phân đoạn thể hiện cung cấp thông tin hình dạng quan trọng này ( AI trong Robot ).
4. Phân tích hình ảnh vệ tinh: Việc xác định và phác thảo từng tòa nhà, cánh đồng hoặc vùng nước từ hình ảnh vệ tinh hoặc trên không hỗ trợ cho việc quy hoạch đô thị, giám sát nông nghiệp và đánh giá môi trường ( Kỹ thuật phân tích hình ảnh vệ tinh ).

Phân đoạn trường hợp và Ultralytics YOLO

Ultralytics cung cấp các mô hình tiên tiến có khả năng phân đoạn phiên bản hiệu suất cao. Các mô hình như Ultralytics YOLOv8 và Ultralytics YOLO11 mới hơn cung cấp các trọng số được đào tạo trước cho các tác vụ phân đoạn và có thể dễ dàng được đào tạo tùy chỉnh trên các tập dữ liệu cụ thể. Bạn có thể tìm hiểu cách sử dụng YOLO11 để phân đoạn phiên bản hoặc khám phá phân đoạn với các mô hình YOLOv8 được đào tạo trước . Quản lý tập dữ liệu, đào tạo và triển khai được hợp lý hóa bằng Ultralytics HUB . Để biết so sánh hiệu suất chi tiết, hãy xem YOLO11 so với YOLOv8 . Tài liệu về tác vụ phân đoạn cung cấp thêm hướng dẫn.