Um guia para uma análise profunda sobre detecção de objetos em 2025

Muitas indústrias estão integrando rapidamente soluções de inteligência artificial (IA) em suas operações. Entre as várias tecnologias de IA disponíveis hoje, a visão computacional é uma das mais populares. Computer vision é um ramo da IA que ajuda os computadores a ver e entender o conteúdo de imagens e vídeos, assim como os humanos fazem. Ela torna possível que as máquinas reconheçam objetos, identifiquem padrões e compreendam o que estão observando.

Estima-se que o global market value of computer vision crescerá para US$ 175,72 bilhões até 2032. A visão computacional abrange várias tarefas que permitem que sistemas de IA visual analisem e interpretem dados visuais. Uma das tarefas mais essenciais e amplamente utilizadas da visão computacional é a detecção de objetos.

Object detection concentra-se em localizar e classificar objetos em dados visuais. Por exemplo, se mostras uma imagem de uma vaca a um computador, ele consegue detectar a vaca e desenhar uma caixa delimitadora ao redor dela. Essa capacidade é útil em aplicações do mundo real, como monitoramento de animais, carros autônomos e vigilância.

Então, como a detecção de objetos pode ser realizada? Uma das maneiras é através de modelos de visão computacional. Por exemplo, o Ultralytics YOLO11 é um modelo de visão computacional que dá suporte a tarefas de visão computacional, como a detecção de objetos.

Neste guia, vamos explorar a detecção de objetos e como ela funciona. Também discutiremos algumas aplicações do mundo real da detecção de objetos e do Ultralytics YOLO11.

Fig 1. Usando o suporte do YOLO11 para detecção de objetos no monitoramento de gado.

O que é detecção de objetos?#

A detecção de objetos é uma tarefa de visão computacional que identifica e localiza objetos em imagens ou vídeos. Ela responde a duas perguntas principais: 'Quais objetos estão na imagem?' e 'Onde eles estão localizados?'

Você pode pensar na detecção de objetos como um processo que envolve dois passos fundamentais. O primeiro, classificação de objetos, permite ao sistema reconhecer e rotular objetos, como identificar um gato, um carro ou uma pessoa com base em padrões aprendidos. O segundo, localização, determina a posição do objeto desenhando uma caixa delimitadora ao redor dele, indicando onde ele aparece na imagem. Juntos, esses passos permitem que as máquinas detectem e compreendam objetos em uma cena.

O aspecto que torna a detecção de objetos única é sua capacidade de reconhecer objetos e determinar com precisão a localização deles. Outras computer vision tasks focam em objetivos diferentes.

Por exemplo, a classificação de imagens atribui um rótulo a uma imagem inteira. Enquanto isso, a segmentação de imagens fornece um entendimento em nível de pixel de diferentes elementos. Por outro lado, a detecção de objetos combina reconhecimento com localização. Isso a torna especialmente útil para tarefas como contar múltiplos objetos em tempo real.

Fig 2. Comparando tarefas de visão computacional.

Reconhecimento de objetos vs. detecção de objetos#

À medida que você explora vários termos de visão computacional, pode sentir que reconhecimento de objetos e detecção de objetos são intercambiáveis - mas eles servem a propósitos diferentes. Uma ótima maneira de entender a diferença é olhando para a detecção facial e o reconhecimento facial.

A detecção facial é um tipo de detecção de objetos. Ela identifica a presença de um rosto em uma imagem e marca sua localização usando uma caixa delimitadora. Ela responde à pergunta: “Onde está o rosto na imagem?” Esta tecnologia é comumente usada em câmeras de smartphones que focam automaticamente em rostos ou em câmeras de segurança que detectam quando uma pessoa está presente.

O Face recognition, por outro lado, é uma forma de reconhecimento de objetos. Ele não apenas detecta um rosto; ele identifica de quem é o rosto analisando características únicas e comparando-as com um banco de dados. Ele responde à pergunta: "Quem é esta pessoa?" Esta é a tecnologia por trás do desbloqueio do seu telefone com o Face ID ou de sistemas de segurança de aeroportos que verificam identidades.

Simplificando, a detecção de objetos encontra e localiza objetos, enquanto o reconhecimento de objetos os classifica e identifica.

Fig 3. Detecção de objetos vs reconhecimento de objetos. Imagem do autor.

Muitos modelos de deteção de objetos, como o Ultralytics YOLO11, foram concebidos para suportar deteção de rostos, mas não reconhecimento facial. O YOLO11 consegue identificar eficientemente a presença de um rosto numa imagem e desenhar uma bBox à sua volta, tornando-o útil para aplicações como sistemas de vigilância, monitorização de multidões e etiquetagem automática de fotografias. No entanto, não consegue determinar de quem é o rosto. O YOLO11 pode ser integrado com modelos treinados especificamente para reconhecimento facial, como o Facenet ou o DeepFace, para permitir tanto a deteção como a identificação num único sistema.

Compreender como funciona a object detection#

Antes de discutirmos como a detecção de objetos funciona, vamos dar uma olhada mais de perto em como um computador analisa uma imagem. Em vez de ver uma imagem como nós vemos, um computador a quebra em uma grade de quadrados minúsculos chamados pixels. Cada pixel contém informações de cor e brilho que os computadores podem processar para interpretar dados visuais.

Para entender estes píxeis, os algoritmos agrupam-nos em regiões significativas com base na forma, na cor e na proximidade entre si. Os modelos de deteção de objetos, como o Ultralytics YOLO11, conseguem reconhecer padrões ou características nestes grupos de píxeis.

Por exemplo, um carro autônomo não vê um pedestre da mesma forma que nós — ele detecta formas e padrões que correspondem às características de um pedestre. Esses modelos dependem de um treinamento extensivo com image datasets rotulados, permitindo que aprendam as características distintivas de objetos como carros, placas de trânsito e pessoas.

Um modelo típico de detecção de objetos tem três partes principais: backbone, neck e head. O backbone extrai características importantes de uma imagem. O neck processa e refina essas características, enquanto o head é responsável por prever as localizações dos objetos e classificá-los.

Refinando detecções e apresentando resultados#

Uma vez feitas as detecções iniciais, técnicas de pós-processamento são aplicadas para melhorar a accuracy e filtrar previsões redundantes. Por exemplo, caixas delimitadoras sobrepostas são removidas, garantindo que apenas as detecções mais relevantes sejam mantidas. Além disso, pontuações de confiança (valores numéricos que representam a certeza do modelo de que um objeto detectado pertence a uma determinada classe) são atribuídas a cada objeto detectado para indicar a certeza do modelo em suas previsões.

Finalmente, a saída é apresentada com caixas delimitadoras desenhadas ao redor dos objetos detectados, junto com seus rótulos de classe previstos e pontuações de confiança. Esses resultados podem então ser usados para aplicações no mundo real.

Modelos populares de detecção de objetos#

Hoje em dia, existem muitos modelos de visão computacional disponíveis, e alguns dos mais populares são os Ultralytics YOLO models. Eles são conhecidos por sua velocidade, precisão e versatilidade. Ao longo dos anos, esses modelos tornaram-se mais rápidos, mais precisos e capazes de lidar com uma gama mais ampla de tarefas. O lançamento do Ultralytics YOLOv5 facilitou a implantação com frameworks como PyTorch, permitindo que mais pessoas usassem IA visual avançada sem precisar de profunda experiência técnica.

Com base nessa fundação, o Ultralytics YOLOv8 introduziu novos recursos, como segmentação de instâncias, estimativa de pose e classificação de imagens. Agora, o YOLO11 está indo ainda mais longe com melhor desempenho em múltiplas tarefas. Com 22% menos parâmetros do que o YOLOv8m, o YOLO11m alcança uma precisão média média (mAP) maior no dataset COCO. Em termos simples, o YOLO11 consegue reconhecer objetos com maior precisão enquanto usa menos recursos, tornando-se mais rápido e confiável.

Quer sejas um especialista em IA ou estejas apenas a começar, o Ultralytics YOLO11 oferece uma solução poderosa e fácil de usar para aplicações de visão computacional.

Treinamento personalizado de um modelo para detecção de objetos#

Treinar modelos de IA de visão envolve ajudar computadores a reconhecer e entender imagens e vídeos. No entanto, o treinamento pode ser um processo demorado. Em vez de começar do zero, o aprendizado por transferência acelera as coisas usando modelos pré-treinados que já reconhecem padrões comuns.

Por exemplo, o Ultralytics YOLO11 já foi treinado no COCO dataset, que contém um conjunto diverso de objetos do quotidiano. Este modelo pré-treinado pode ser ainda mais personalizado para detetar objetos específicos que possam não estar incluídos no conjunto de dados original.

Para custom-train o Ultralytics YOLO11, precisas de um conjunto de dados rotulado que contenha imagens dos objetos que queres detetar. Por exemplo, se quiseres construir um modelo para identificar diferentes tipos de frutos num supermercado, criarias um conjunto de dados com imagens rotuladas de maçãs, bananas, laranjas, etc. Uma vez preparado o conjunto de dados, o YOLO11 pode ser treinado, ajustando parâmetros como o tamanho do lote, a taxa de aprendizagem e as épocas para otimizar o desempenho.

Com esta abordagem, as empresas podem treinar o Ultralytics YOLO11 para detetar qualquer coisa, desde peças defeituosas na fabricação até espécies de vida selvagem em projetos de conservação, adaptando o modelo às suas necessidades exatas.

Aplicações da detecção de objetos#

A seguir, vamos dar uma olhada em alguns dos casos de uso reais da detecção de objetos e como ela está transformando várias indústrias.

Detecção de perigos para direção autônoma#

Os Self-driving cars usam tarefas de visão computacional, como detecção de objetos, para navegar com segurança e evitar obstáculos. Essa tecnologia ajuda-os a reconhecer pedestres, outros veículos, buracos e perigos na estrada, tornando possível compreenderem melhor o seu entorno. Eles conseguem tomar decisões rápidas e movimentar-se com segurança no trânsito analisando constantemente o seu ambiente.

Fig 4. Um exemplo de utilização da deteção de objetos para detetar buracos na estrada com o Ultralytics YOLO11.

Análise de imagens médicas na saúde#

Técnicas de Medical imaging, como raios-X, ressonâncias magnéticas, tomografias computadorizadas e ultrassonografias, criam imagens altamente detalhadas do corpo humano para ajudar a diagnosticar e tratar doenças. Esses exames produzem grandes quantidades de dados que médicos, como radiologistas e patologistas, devem analisar cuidadosamente para detectar doenças. No entanto, revisar cada imagem em detalhes pode ser demorado, e especialistas humanos podem às vezes perder detalhes devido à fadiga ou restrições de tempo.

Modelos de deteção de objetos como o Ultralytics YOLO11 podem ajudar ao identificar automaticamente características-chave em exames médicos, tais como órgãos, tumores ou anomalias, com alta precisão. Modelos personalizados podem destacar áreas de preocupação com caixas delimitadoras, ajudando os médicos a concentrarem-se em potenciais problemas mais rapidamente. Isto reduz a carga de trabalho, melhora a eficiência e fornece insights rápidos.

Fig 5. A analisar imagens médicas utilizando o Ultralytics YOLO11.

Aumentando a segurança com detecção de pessoas e anomalias#

Object tracking é uma tarefa de visão computacional suportada pelo Ultralytics YOLO11, permitindo monitorização em tempo real e melhorias de segurança. Baseia-se na deteção de objetos ao identificar objetos e rastrear continuamente o seu movimento entre fotogramas. Esta tecnologia é amplamente utilizada em sistemas de vigilância para melhorar a segurança em vários ambientes.

Por exemplo, em escolas e creches, o rastreamento de objetos pode ajudar a monitorizar as crianças e impedi-las de se afastarem. Em aplicações de segurança, desempenha um papel fundamental na deteção de intrusos em áreas restritas, na monitorização de multidões quanto a sobrelotação ou comportamento suspeito, e no envio de alertas em tempo real quando é detetada atividade não autorizada. Ao acompanhar os objetos à medida que se movem, os sistemas de rastreamento alimentados pelo Ultralytics YOLO11 melhoram a segurança, automatizam a monitorização e permitem respostas mais rápidas a potenciais ameaças.

Prós e contras da detecção de objetos#

Aqui estão alguns dos principais benefícios que a detecção de objetos pode trazer para várias indústrias:

• Automação: A detecção de objetos pode ajudar a reduzir a necessidade de supervisão humana em tarefas como monitoramento de imagens de CFTV.
• Funciona com outros modelos de IA: Ela pode ser integrada com sistemas de reconhecimento facial, reconhecimento de ações e rastreamento para melhorar a precisão e a funcionalidade.
• Processamento em tempo real: Muitos modelos de deteção de objetos, como o Ultralytics YOLO11, são rápidos e eficientes, tornando-os ideais para aplicações em tempo real que exigem resultados instantâneos.

Embora esses benefícios destaquem como a detecção de objetos impacta diferentes casos de uso, também é importante considerar os desafios envolvidos em sua implementação. Aqui estão alguns dos principais desafios:

• Data privacy: O uso de dados visuais, especialmente em áreas sensíveis como vigilância ou saúde, pode levantar questões de privacidade e preocupações de segurança.

• Oclusão: A oclusão na detecção de objetos ocorre quando os objetos estão parcialmente bloqueados ou ocultos da visão, dificultando que o modelo os detecte e classifique com precisão.

• Computacionalmente caro: Modelos de alto desempenho geralmente exigem GPUs (Unidades de Processamento Gráfico) potentes para processamento, tornando a implantação em tempo real custosa.

Principais pontos#

A deteção de objetos é uma ferramenta revolucionária na visão computacional que ajuda as máquinas a detetar e localizar objetos em imagens e vídeos. Está a ser utilizada em setores desde carros autónomos até aos cuidados de saúde, tornando as tarefas mais fáceis, seguras e eficientes. Com modelos mais recentes como o Ultralytics YOLO11, as empresas podem criar facilmente modelos de deteção de objetos personalizados para construir aplicações de visão computacional especializadas.

Embora existam alguns desafios, como preocupações com privacidade e objetos ocultos da visão, a detecção de objetos é uma tecnologia confiável. Sua capacidade de automatizar tarefas, processar dados visuais em tempo real e integrar-se com outras ferramentas de IA visual torna-a uma parte essencial de inovações de ponta.

Para saberes mais, visita o nosso GitHub repository e interage com a our community. Explora inovações em setores como AI in self-driving cars e computer vision in agriculture nas nossas páginas de soluções. Vê as nossas YOLO licensing options e dá vida aos teus projetos de IA visual. 🚀