术语表

物体检测

探索物体检测的强大功能--利用 YOLO 等尖端模型识别和定位图像或视频中的物体。探索现实世界中的应用!

物体检测是计算机视觉(CV)中的一项基本任务,涉及在图像或视频中识别和定位一个或多个物体。其目的不仅是对物体进行分类,而且还要确定物体的位置,通常是在每个物体周围画一个边界框。这项技术是许多先进人工智能(AI)应用的基石,使机器能够以高度的理解力感知和解释周围的物理环境。

物体检测如何工作

物体检测模型通常使用深度学习(DL)构建,特别是卷积神经网络(CNN)。这一过程包括将图像输入网络,然后网络输出一个检测到的物体列表,每个物体都有一个类标签(如 "人"、"车"、"狗")、一个置信度分数以及其边界框的坐标。

现代物体检测架构由两大部分组成:从输入图像中提取特征的主干部分和预测边界框和类别的检测头。这些架构通常分为单级或两级检测器。

  • 单级物体检测器 Ultralytics YOLO系列等模型可一次性完成检测,因此速度非常快,适合实时推理。它们能同时预测所有边界框和类概率。
  • 两阶段物体检测器R-CNN 及其变体等架构首先提出感兴趣的区域,然后对这些区域内的物体进行分类。虽然它们通常非常准确,但速度可能比单级检测器慢。

物体检测与其他 CV 任务的对比

必须将物体检测与其他相关的计算机视觉任务区分开来:

  • 图像分类为整幅图像指定一个标签(例如,"这是一张猫的照片")。它不会定位对象。
  • 图像分割对图像中的每个像素进行分类,提供物体的精确轮廓。实例分割区分同一物体类别的不同实例,而语义分割则将一个类别的所有实例视为一个实体。
  • 物体跟踪物体跟踪:物体检测的扩展,可在视频的多个帧中跟踪特定物体,并随着时间的推移保持其特征。您可以在我们的视频移动物体追踪指南了解更多信息。

实际应用

物体检测是一项变革性技术,广泛应用于多个行业。

  1. 自动驾驶汽车在自动驾驶汽车中,物体探测对于识别行人、骑车人、其他车辆和交通信号以安全导航至关重要。Waymo特斯拉等公司已在这项技术上投入巨资,为其自动驾驶系统提供动力。
  2. 制造业中的人工智能在装配线上,检测模型可自动发现缺陷或验证部件组装是否正确。这就加强了质量控制,提高了生产效率。
  3. 安全与监控:自动系统利用物体检测功能实时识别未经授权的个人、被遗弃的包裹或异常活动,详见我们的安全警报系统建设指南。
  4. 医疗保健领域的人工智能医学图像分析中,模型可以协助放射科医生检测并突出显示 X 光片和 CT 扫描中的肿瘤或骨折等异常情况。您可以在我们的博客中阅读有关使用 YOLO11 进行肿瘤检测的信息。
  5. 人工智能在农业中的应用配备物体探测功能的无人机和地面机器人可以监测作物健康状况、识别害虫并高精度地估算产量。

工具和培训

开发和部署对象检测模型涉及到丰富的工具和技术生态系统。

加入 Ultralytics 社区

加入人工智能的未来。与全球创新者联系、合作和成长

立即加入
链接复制到剪贴板