Tăng tốc độ phát hiện đối tượng với các mô hình một giai đoạn như YOLO . Lý tưởng cho nhu cầu AI thời gian thực, giảm tải thiết bị mà không làm giảm độ chính xác.
Bộ dò đối tượng một giai đoạn là một lớp thuật toán học máy được sử dụng cho các tác vụ phát hiện đối tượng. Chúng hợp lý hóa quy trình phát hiện thành một lần truyền mạng nơ-ron duy nhất, cho phép thời gian suy luận nhanh hơn so với bộ dò hai giai đoạn. Điều này làm cho chúng trở nên lý tưởng cho các ứng dụng thời gian thực mà tốc độ là yếu tố quan trọng, chẳng hạn như xe tự hành, rô-bốt và hệ thống giám sát.
Bộ phát hiện đối tượng một giai đoạn kết hợp phân loại hình ảnh và định vị đối tượng trong một mạng duy nhất, không có giai đoạn trung gian. Kiến trúc này cung cấp sự cân bằng giữa độ chính xác và hiệu quả, làm cho nó phù hợp với các tình huống đòi hỏi phải ra quyết định nhanh chóng. Các mô hình đáng chú ý bao gồm YOLO (Bạn chỉ nhìn một lần) và SSD (Máy dò đa hộp một lần).
YOLO : Được phát triển bởi Joseph Redmon và Ali Farhadi, YOLO xác định lại tốc độ phát hiện bằng cách dự đoán các hộp giới hạn và xác suất lớp trực tiếp từ hình ảnh đầy đủ trong một lần đánh giá. Tìm hiểu thêm về Ultralytics YOLOv8 , mang đến những cải tiến trong phát hiện đối tượng theo thời gian thực.
SSD : Mô hình này chia hình ảnh thành dạng lưới và đánh giá một số lượng nhỏ các hộp giới hạn mặc định cho mỗi ô lưới, đưa ra sự cân bằng giữa tốc độ và độ chính xác.
Các máy dò hai giai đoạn, chẳng hạn như Faster R-CNN, trước tiên tạo ra các đề xuất vùng và sau đó phân loại chúng. Mặc dù chúng thường cung cấp độ chính xác cao, nhưng quy trình hai bước này làm tăng nhu cầu tính toán và làm chậm thời gian suy luận. Mặt khác, các máy dò một giai đoạn như YOLO loại bỏ giai đoạn đề xuất, cung cấp phương pháp tiếp cận hợp lý hơn phù hợp với các ứng dụng mà tốc độ là yếu tố cốt yếu. Tìm hiểu thêm về máy dò vật thể hai giai đoạn để hiểu những khác biệt cơ bản.
Máy dò vật thể một giai đoạn có nhiều ứng dụng trong nhiều ngành công nghiệp khác nhau:
Sự phát triển của GPU công nghệ đã cải thiện đáng kể hiệu suất của các máy dò một giai đoạn, cho phép xử lý các tác vụ phức tạp một cách nhanh chóng. Đối với những người muốn triển khai hoặc cải thiện hiệu suất mô hình, việc hiểu vai trò của GPU trong AI là điều cần thiết.
Máy dò vật thể một giai đoạn, đặc biệt là các mô hình như Ultralytics YOLO , rất quan trọng trong các ngành công nghiệp đòi hỏi phân tích hình ảnh tốc độ cao và ra quyết định. Kiến trúc hợp lý của chúng không chỉ hỗ trợ các ứng dụng thời gian thực mà còn giảm tải tính toán, khiến chúng trở thành một lựa chọn hấp dẫn cho các tác vụ AI hiện đại. Đối với những ai quan tâm đến việc tích hợp các mô hình như vậy, hãy cân nhắc khám phá Ultralytics HUB để có cách tiếp cận liền mạch, không cần mã để triển khai máy học.
