Explorar a deteção de objetos pequenos com o Ultralytics YOLO11

Os drones integrados com IA de visão podem voar centenas de metros acima do solo e, ainda assim, espera-se que detetem uma pessoa que aparece como apenas alguns píxeis na transmissão de vídeo. Na verdade, este é um desafio comum em aplicações como robótica, vigilância e deteção remota, nas quais os sistemas têm de identificar objetos muito pequenos numa imagem.

Mas os modelos tradicionais de deteção de objetos podem ter dificuldades com isso. Os objetos pequenos em imagens e vídeos representam uma quantidade muito limitada de informação visual. Em termos simples, quando um modelo os observa, não há muitos detalhes para aprender ou reconhecer.

Por baixo da superfície, estes modelos baseiam-se normalmente numa arquitetura baseada numa rede neuronal convolucional (CNN). As imagens passam pelas camadas da rede e são transformadas em mapas de características ou representações simplificadas que realçam padrões relevantes em vez dos píxeis brutos.

À medida que a imagem avança pela rede, estes mapas de características tornam-se mais pequenos. Isto torna o cálculo mais rápido, mas também significa que os detalhes finos podem desaparecer.

Para objetos minúsculos, esses detalhes são cruciais. Quando desaparecem, um modelo de visão computacional pode ter dificuldade em detetar o objeto, o que pode resultar em caixas delimitadoras menos precisas ou inconsistentes.

Os sistemas de visão computacional de ponta a ponta em tempo real tornam tudo ainda mais difícil. As imagens de alta resolução ajudam a preservar os detalhes, mas tornam a inferência mais lenta e exigem mais potência da GPU. As resoluções mais baixas são executadas mais rapidamente, mas tornam os objetos pequenos ainda mais difíceis de detetar.

Isto transforma-se num equilíbrio constante entre velocidade, precisão e limitações do hardware. Graças aos avanços tecnológicos recentes, modelos de visão computacional como o Ultralytics YOLO11 e o futuro Ultralytics YOLO26 foram concebidos para gerir este compromisso de forma mais eficaz.

Fig. 1. Utilizar o YOLO11 para detetar objetos pequenos em imagens aéreas (Fonte)

Neste artigo, vamos explorar por que razão a deteção de objetos pequenos é difícil e como o Ultralytics YOLO11 pode torná-la mais fácil. Vamos começar!

O que é a deteção de objetos pequenos e por que é importante?#

A deteção de objetos pequenos é uma tarefa de visão computacional, um ramo da IA, que se concentra em identificar e localizar objetos que ocupam uma parte muito pequena de uma imagem. Estes objetos são frequentemente representados na imagem por um número limitado de píxeis, que são as menores unidades de uma imagem digital. Isto torna-os mais difíceis de detetar do que alvos maiores e mais nítidos (que frequentemente contêm mais píxeis).

Por exemplo, veículos em imagens aéreas, ferramentas no chão de uma fábrica ou pessoas captadas por câmaras de vigilância grande angular podem aparecer como objetos pequenos na imagem. Detetá-los é importante porque frequentemente transportam informações críticas, e muitas aplicações do mundo real, como a vigilância, dependem destas deteções para funcionar corretamente.

Quando os objetos pequenos não são detetados, o desempenho do sistema e a tomada de decisões podem ser afetados. A monitorização de veículos aéreos não tripulados (UAV) é um bom exemplo: não detetar um pequeno objeto em movimento no solo pode afetar a navegação ou a precisão do rastreamento.

Desafios relacionados com a deteção de objetos pequenos#

Os sistemas anteriores utilizavam características concebidas manualmente e métodos tradicionais de visão computacional, que tinham dificuldades em cenas complexas ou variadas. Ainda hoje, apesar de os modelos de aprendizagem profunda apresentarem um desempenho muito melhor, detetar alvos pequenos continua a ser difícil quando ocupam apenas uma pequena parte da imagem.

Em seguida, vamos analisar alguns dos desafios comuns que surgem em diferentes cenários do mundo real ao detetar objetos pequenos.

Tamanho, píxeis e perda de informação#

Os objetos pequenos contêm muito poucos píxeis, o que limita a quantidade de detalhes visuais que um modelo pode aprender durante etapas como a extração de características. Como resultado, padrões como arestas, formas e texturas são mais difíceis de detetar, tornando os objetos pequenos mais propensos a confundir-se com o fundo.

À medida que as imagens passam pelas camadas convolucionais de uma rede neuronal, a informação visual dos píxeis é gradualmente comprimida em mapas de características. Isto ajuda o modelo a manter a eficiência, mas também significa que os detalhes finos desaparecem gradualmente.

Fig. 2. Os mapas de características representam padrões visuais numa imagem (Fonte)

Para alvos pequenos, pistas importantes podem desaparecer antes de a rede de deteção ter oportunidade de atuar. Quando isso acontece, a localização torna-se menos fiável e as caixas delimitadoras podem deslocar-se, sobrepor-se ou não detetar totalmente os objetos-alvo.

Oclusão, variação de escala e contexto#

Os desafios relacionados com o tamanho também são frequentemente agravados pela oclusão. A oclusão ocorre quando os objetos, especialmente os mais pequenos, ficam parcialmente ocultos por outros objetos na cena.

Isto reduz a área visível de um alvo, limitando a informação disponível para o detetor de objetos. Mesmo uma pequena oclusão pode confundir as redes de deteção, sobretudo quando combinada com uma entrada de baixa resolução. Um exemplo interessante pode ser observado em conjuntos de dados de UAV, como o VisDrone, nos quais peões, bicicletas ou veículos podem ficar parcialmente bloqueados por edifícios, árvores ou outros objetos em movimento.

Fig. 3. Um exemplo do conjunto de dados VisDrone que mostra objetos pequenos (Fonte)

De forma semelhante, a variação de escala introduz outra camada de dificuldade quando o mesmo objeto aparece muito pequeno ou relativamente grande, dependendo da distância e da posição da câmara. Apesar destes obstáculos, os algoritmos de deteção têm de reconhecer estes objetos pequenos em diferentes escalas sem perder precisão.

O contexto também desempenha um papel importante na deteção. Por exemplo, os objetos grandes normalmente aparecem com áreas circundantes nítidas que fornecem pistas visuais úteis. Por outro lado, os alvos pequenos frequentemente não têm esta informação contextual, o que torna o reconhecimento de padrões mais difícil.

O problema da métrica oculta na deteção de objetos pequenos#

As métricas de avaliação comuns, como a Interseção sobre União (IoU), medem o grau de sobreposição entre uma caixa delimitadora prevista e a caixa de referência. Embora a IoU funcione bem para objetos maiores, o seu comportamento é bastante diferente para objetos pequenos.

Os objetos pequenos ocupam apenas alguns píxeis, pelo que mesmo uma pequena deslocação na caixa prevista pode criar um erro proporcional grande e reduzir acentuadamente a pontuação de IoU. Isto significa que os objetos pequenos frequentemente não atingem o limiar de IoU padrão utilizado para considerar uma previsão correta, mesmo quando o objeto está visível na imagem.

Como resultado, os erros de localização têm maior probabilidade de ser classificados como falsos positivos ou falsos negativos. Estas limitações levaram os investigadores a repensar a forma como os sistemas de deteção de objetos avaliam e processam alvos pequenos difíceis de detetar.

Características multiescala: a chave para a deteção de objetos pequenos em tempo real#

À medida que os investigadores trabalhavam para melhorar a deteção de objetos pequenos, tornou-se claro que preservar e representar a informação visual em várias escalas é essencial. Esta conclusão é corroborada por investigação recente no arXiv e por artigos apresentados em eventos como as Conferências Internacionais do IEEE e a Associação Europeia de Visão Computacional (ECCV).

À medida que as imagens avançam numa rede neuronal, os objetos pequenos podem perder detalhes ou desaparecer completamente, razão pela qual os modelos modernos de visão computacional, como o Ultralytics YOLO11, dão grande importância a uma melhor extração de características. Em seguida, vamos percorrer os conceitos fundamentais por trás dos mapas de características e das redes de pirâmide de características para os compreender melhor.

Mapas de características e representação de escala#

Quando uma imagem de entrada, como uma imagem de deteção remota, entra numa rede neuronal, é gradualmente transformada em mapas de características. Estas são representações simplificadas da imagem que realçam padrões visuais como arestas, formas e texturas.

À medida que a rede se aprofunda, estes mapas de características tornam-se mais pequenos em termos espaciais. Esta redução ajuda o modelo a ser executado de forma eficiente e a concentrar-se em informações de alto nível. No entanto, a redução e o aprofundamento dos mapas de características também diminuem o detalhe espacial.

Fig. 4. A extração de características é fundamental para a deteção de objetos pequenos. (Fonte)

Embora os objetos grandes mantenham informação visual suficiente para uma deteção precisa, os alvos pequenos podem perder detalhes críticos após apenas algumas camadas da rede. Quando isso acontece, um modelo pode ter dificuldade em reconhecer sequer a existência de um objeto pequeno. Esta é uma das principais razões pelas quais os objetos pequenos não são detetados em modelos profundos de deteção de objetos.

Redes de pirâmide de características e aprendizagem multiescala#

As redes de pirâmide de características, frequentemente designadas por FPN, foram introduzidas para resolver a perda de detalhe espacial e funcionam como um módulo de suporte que combina informação de várias camadas, permitindo que os modelos detetem objetos pequenos de forma mais eficaz. Este processo também é conhecido como agregação e fusão de características.

As camadas superficiais fornecem detalhes espaciais finos, enquanto as camadas mais profundas acrescentam contexto semântico, permitindo uma aprendizagem eficaz de características multiescala. Ao contrário do aumento de resolução ingénuo, que simplesmente amplia os mapas de características, a FPN preserva informação relevante e melhora a deteção de objetos pequenos.

As abordagens modernas baseiam-se nesta ideia, utilizando fusão adaptativa de características e arquiteturas sensíveis ao contexto para melhorar ainda mais a deteção de alvos pequenos. Por outras palavras, a FPN ajuda os modelos a ver tanto o panorama geral como os pequenos detalhes ao mesmo tempo. Esta otimização é essencial quando os objetos são pequenos.

Como os modelos de deteção de objetos evoluíram para lidar com objetos pequenos#

Eis uma breve visão geral de como os modelos de deteção de objetos evoluíram e avançaram ao longo do tempo para detetar melhor objetos de diferentes tamanhos, incluindo os muito pequenos:

• Métodos iniciais de deteção: As primeiras abordagens de deteção de objetos dependiam de características concebidas manualmente e de algoritmos baseados em regras, assentes no processamento clássico de imagens. Como estas características eram fixas, o desempenho diminuía com imagens diferentes.
• Introdução da aprendizagem automática e da aprendizagem profunda: A adoção da aprendizagem automática e da aprendizagem profunda marcou uma grande mudança na investigação sobre deteção de objetos. Em vez de dependerem de regras predefinidas, as redes neuronais aprendiam representações visuais diretamente a partir dos dados de treino, melhorando a adaptabilidade a diferentes tamanhos de objetos e cenários.
• Redes convolucionais: Estas redes neuronais aprendem a identificar padrões nas imagens. Cada camada capta detalhes diferentes, começando por arestas e cores simples, passando depois para formas e, por fim, para objetos completos, o que as torna essenciais para a visão computacional moderna.
• Detetores de objetos em duas fases: Os detetores em duas fases, como o Faster R-CNN, introduzido por Girshick e Ren, primeiro geravam regiões candidatas e depois classificavam-nas. Esta abordagem melhorou a precisão para objetos pequenos, mas aumentou o custo computacional e reduziu o desempenho em tempo real.
• Detetores de objetos numa fase: Os detetores numa fase, como o SSD (detetor de disparo único) e a família YOLO (Você só olha uma vez), incluindo o YOLOv3, o Ultralytics YOLOv5 e, posteriormente, o Ultralytics YOLOv8, efetuam a deteção numa única passagem. Esta arquitetura melhora significativamente a velocidade de inferência, mantendo uma precisão competitiva.
• Modelos mais recentes de última geração: Os modelos de deteção de objetos mais recentes dão maior ênfase ao desempenho em tempo real e à implementação na periferia. As versões recentes dos modelos Ultralytics YOLO, como o Ultralytics YOLO11 e o futuro Ultralytics YOLO26, foram concebidas para equilibrar uma elevada precisão com uma inferência de baixa latência, tornando-as adequadas para detetar objetos de todos os tamanhos, incluindo alvos pequenos, em dispositivos com capacidade computacional limitada.

Utilizar o Ultralytics YOLO11 em casos de utilização de deteção de objetos pequenos#

Agora que compreendemos melhor como funciona a deteção de objetos pequenos, vamos analisar algumas aplicações do mundo real nas quais o Ultralytics YOLO11 pode ser utilizado.

UAV e imagens aéreas#

Imagina um drone a voar bem acima de uma rua movimentada numa cidade. A essa altura, os carros, as bicicletas e até as pessoas ficam reduzidos a apenas alguns píxeis no ecrã.

Os módulos de UAV e de imagens aéreas captam frequentemente cenas deste tipo, nas quais os objetos de interesse são minúsculos e estão rodeados por fundos complexos, o que torna a sua deteção difícil para os modelos de visão computacional.

Nestes tipos de cenários, o Ultralytics YOLO11 pode ser uma escolha de modelo ideal. Por exemplo, um drone equipado com um modelo como o YOLO11 poderia monitorizar o trânsito em tempo real, detetando veículos, ciclistas e peões à medida que se deslocam pela cena, mesmo quando cada objeto ocupa apenas uma pequena parte da imagem. Isto permite tomar decisões mais rapidamente e obter informações mais precisas em aplicações como gestão de tráfego, segurança pública ou planeamento urbano.

Robótica e automação#

Os robôs são frequentemente utilizados em ambientes onde a precisão e o tempo de resposta são críticos. Em contextos como armazéns, fábricas e explorações agrícolas, um robô pode ter de reconhecer objetos muito pequenos, como uma peça numa linha de montagem, uma etiqueta numa embalagem ou um pequeno rebento de planta num campo, e responder rapidamente.

Detetar objetos deste tamanho pode ser complicado, especialmente quando aparecem como apenas alguns píxeis na transmissão da câmara ou ficam parcialmente ocultos por outros objetos. Não detetar estes pequenos detalhes pode tornar a automação mais lenta ou afetar a capacidade do robô de concluir uma tarefa.

O Ultralytics YOLO11 pode fazer a diferença nestas situações. A sua extração de características melhorada e a inferência rápida permitem que os robôs detetem objetos pequenos em tempo real e atuem imediatamente.

O Ultralytics YOLO11 também suporta a segmentação de instâncias, o que pode ajudar os robôs a compreender com maior precisão os limites dos objetos e os pontos de preensão, em vez de apenas localizar caixas delimitadoras gerais. Por exemplo, um braço robótico integrado com o YOLO11 poderia identificar pequenos componentes numa correia transportadora, segmentar a sua forma exata e recolhê-los antes de saírem do alcance, ajudando o sistema a manter-se eficiente e fiável.

O que torna o Ultralytics YOLO11 eficaz na deteção de objetos pequenos#

Com tantos modelos de visão computacional disponíveis atualmente, podes estar a perguntar-te o que distingue o Ultralytics YOLO11.

Eis algumas razões pelas quais o Ultralytics YOLO11 é uma excelente opção para aplicações nas quais é necessário detetar objetos pequenos:

• Melhor extração de características: o YOLO11 utiliza uma arquitetura melhorada de backbone e neck para otimizar a extração de características, permitindo uma deteção de objetos mais precisa.
• Ecossistema e facilidade de utilização: o pacote Python da Ultralytics é uma biblioteca que fornece funções integradas para carregar, treinar, validar e implementar modelos como o YOLO11. Como estes fluxos de trabalho exigem apenas algumas linhas de código, as equipas podem experimentar rapidamente e ajustar modelos para a deteção de objetos pequenos.
• Otimizado para implementação na periferia: o Ultralytics YOLO11 pode ser executado de forma eficiente em dispositivos periféricos como NVIDIA Jetson, Raspberry Pi e sistemas de câmaras industriais. Em termos simples, permite executar tarefas de IA de visão em tempo real diretamente no dispositivo.

Estratégias práticas para utilizar ao detetar objetos pequenos com o Ultralytics YOLO11#

Além de utilizar um modelo como o Ultralytics YOLO11, a forma como preparas as tuas anotações, o conjunto de dados geral e o procedimento de treino do modelo podem fazer uma diferença significativa no desempenho da deteção.

Eis uma visão geral rápida do que deves ter em atenção:

• Aumento de dados adequado: um aumento de dados ligeiro, como o redimensionamento ou o recorte, pode ajudar o modelo a generalizar para novas imagens. No entanto, um aumento agressivo em grande escala pode distorcer ou remover objetos pequenos, tornando-os mais difíceis de aprender para o modelo.
• Análise dos casos de falha: analisar onde o modelo não deteta ou identifica incorretamente objetos ajuda a estabelecer uma linha de base e a revelar se os problemas resultam do conjunto de dados, da perda de informação durante a extração de características ou da necessidade de ajustar as definições de treino.
• Composição do conjunto de dados: o teu conjunto de dados deve conter exemplos suficientes de objetos pequenos para que o modelo possa aprender padrões relevantes e deve manter-se equilibrado, para que os objetos maiores não se sobreponham aos mais pequenos durante o treino.

Principais conclusões#

A deteção de objetos pequenos é difícil porque os alvos pequenos perdem detalhes à medida que as imagens passam por um modelo de visão computacional. O Ultralytics YOLO11 melhora a forma como estes detalhes são preservados, tornando a deteção de objetos pequenos mais fiável sem sacrificar o desempenho em tempo real. Este equilíbrio permite que o YOLO11 assegure uma deteção precisa e eficiente em aplicações do mundo real.

Junta-te à nossa comunidade em crescimento! Explora o nosso repositório do GitHub para saberes mais sobre IA. Descobre inovações como a visão computacional no retalho e a IA no setor automóvel visitando as nossas páginas de soluções. Para começares hoje a criar soluções com visão computacional, consulta as nossas opções de licenciamento.