A evolução da deteção de objetos e dos modelos YOLO da Ultralytics

Visão computacional é um subcampo da inteligência artificial (AI) que se concentra em ensinar máquinas a ver e compreender imagens e vídeos, de forma semelhante à maneira como os humanos percebem o mundo real. Embora reconhecer objetos ou identificar ações seja algo natural para os humanos, essas tarefas exigem técnicas especializadas de visão computacional quando realizadas por máquinas. Por exemplo, uma tarefa fundamental da visão computacional é a detecção de objetos, que envolve identificar e localizar objetos em imagens ou vídeos.

Desde a década de 1960, pesquisadores trabalham para melhorar a capacidade dos computadores de detectar objetos. Os primeiros métodos, como a correspondência de modelos, consistiam em deslizar um modelo predefinido por uma imagem para encontrar correspondências. Embora inovadoras, essas abordagens tinham dificuldade para lidar com mudanças no tamanho e na orientação dos objetos e nas condições de iluminação. Hoje, temos modelos avançados, como o Ultralytics YOLO11, capazes de detectar até mesmo objetos pequenos e parcialmente ocultos, conhecidos como objetos ocluídos, com uma precisão impressionante.

À medida que a visão computacional continua evoluindo, é importante analisar como essas tecnologias se desenvolveram. Neste artigo, vamos explorar a evolução da detecção de objetos e destacar a transformação dos modelos YOLO (You Only Look Once).

As origens da visão computacional#

Antes de nos aprofundarmos na detecção de objetos, vamos ver como a visão computacional começou. As origens da visão computacional remontam ao fim da década de 1950 e ao início da década de 1960, quando cientistas começaram a estudar como o cérebro processa informações visuais. Em experimentos com gatos, os pesquisadores David Hubel e Torsten Wiesel descobriram que o cérebro reage a padrões simples, como bordas e linhas. Isso serviu de base para a ideia por trás da extração de características — o conceito de que os sistemas visuais detectam e reconhecem características básicas nas imagens, como bordas, antes de passar para padrões mais complexos.

Fig. 1. Aprender como o cérebro de um gato reage a barras de luz ajudou a desenvolver a extração de características em visão computacional.

Na mesma época, surgiu uma nova tecnologia capaz de converter imagens físicas em formatos digitais, despertando o interesse em saber como as máquinas poderiam processar informações visuais. Em 1966, o Projeto de Visão de Verão do Instituto de Tecnologia de Massachusetts (MIT) levou essa iniciativa adiante. Embora o projeto não tenha sido totalmente bem-sucedido, seu objetivo era criar um sistema capaz de separar o primeiro plano do plano de fundo nas imagens. Para muitas pessoas da comunidade de IA aplicada à visão, esse projeto marca o início oficial da visão computacional como campo científico.

Compreender a história da deteção de objetos#

Com o avanço da visão computacional no fim da década de 1990 e início dos anos 2000, os métodos de detecção de objetos passaram de técnicas básicas, como a correspondência de modelos, para abordagens mais avançadas. Um método popular era o Haar Cascade, que passou a ser amplamente usado em tarefas como detecção facial. Ele funcionava examinando imagens com uma janela deslizante, verificando características específicas, como bordas ou texturas, em cada seção da imagem e, em seguida, combinando essas características para detectar objetos, como rostos. O Haar Cascade era muito mais rápido do que os métodos anteriores.

Fig. 2. Uso do Haar Cascade para deteção de rostos.

Além desses métodos, também foram introduzidos o Histograma de Gradientes Orientados (HOG) e as Máquinas de Vetores de Suporte (SVMs). O HOG usava a técnica da janela deslizante para analisar como a luz e as sombras mudavam em pequenas seções de uma imagem, ajudando a identificar objetos com base em suas formas. Em seguida, as SVMs classificavam essas características para determinar a identidade do objeto. Esses métodos melhoraram a precisão, mas ainda tinham dificuldades em ambientes reais e eram mais lentos do que as técnicas atuais.

A necessidade de deteção de objetos em tempo real#

Na década de 2010, o crescimento do deep learning e das Redes Neurais Convolucionais (CNNs) provocou uma grande mudança na detecção de objetos. As CNNs possibilitaram que os computadores aprendessem automaticamente características importantes a partir de grandes quantidades de dados, o que tornou a detecção muito mais precisa.

Os primeiros modelos, como as Redes Neurais Convolucionais baseadas em regiões (R-CNN), representaram um grande avanço em precisão e ajudaram a identificar objetos com mais exatidão do que os métodos anteriores.

No entanto, esses modelos eram lentos porque processavam as imagens em várias etapas, o que os tornava impraticáveis para aplicações em tempo real em áreas como carros autônomos ou videovigilância.

Com o objetivo de acelerar o processamento, foram desenvolvidos modelos mais eficientes. Modelos como Fast R-CNN e Faster R-CNN ajudaram a refinar a seleção de regiões de interesse e reduzir o número de etapas necessárias para a detecção. Embora isso tenha acelerado a detecção de objetos, ainda não era rápido o suficiente para muitas aplicações reais que exigiam resultados instantâneos. A crescente demanda por detecção em tempo real impulsionou o desenvolvimento de soluções ainda mais rápidas e eficientes, capazes de equilibrar velocidade e precisão.

Fig. 3. Comparação das velocidades de R-CNN, Fast R-CNN e Faster R-CNN.

Modelos YOLO (Você Só Olha Uma Vez): um marco importante#

YOLO é um modelo de detecção de objetos que redefiniu a visão computacional ao possibilitar a detecção de vários objetos em imagens e vídeos em tempo real, diferenciando-se dos métodos de detecção anteriores. Em vez de analisar cada objeto detectado individualmente, a arquitetura do YOLO trata a detecção de objetos como uma única tarefa, prevendo de uma só vez a localização e a classe dos objetos com o uso de CNNs.

O modelo funciona dividindo uma imagem em uma grade, na qual cada parte é responsável por detectar objetos em sua respectiva área. Ele faz várias previsões para cada seção e descarta os resultados menos confiáveis, mantendo apenas os mais confiáveis.

Fig. 4. Visão geral do funcionamento do YOLO.

A introdução do YOLO em aplicações de visão computacional tornou a detecção de objetos muito mais rápida e eficiente do que nos modelos anteriores. Graças à sua velocidade e precisão, o YOLO rapidamente se tornou uma opção popular para soluções em tempo real em setores como manufatura, saúde e robótica.

Outro aspeto importante é que, por ser de código aberto, o YOLO permitiu que desenvolvedores e investigadores o aprimorassem continuamente, dando origem a versões ainda mais avançadas.

O caminho do YOLO ao Ultralytics YOLO11#

Os modelos YOLO têm melhorado de forma constante ao longo do tempo, aproveitando os avanços de cada versão. Além de melhorar o desempenho, essas melhorias tornaram os modelos mais fáceis de usar para pessoas com diferentes níveis de experiência técnica.

Por exemplo, quando o Ultralytics YOLOv5 foi lançado, a implantação de modelos ficou mais simples com PyTorch, permitindo que mais pessoas trabalhassem com IA avançada. Ele combinou precisão e facilidade de uso, dando a mais pessoas a capacidade de implementar a detecção de objetos sem precisar ser especialista em programação.

Fig. 5. A evolução dos modelos YOLO.

O Ultralytics YOLOv8 deu continuidade a esse progresso, adicionando suporte a tarefas como a segmentação de instâncias e tornando os modelos mais flexíveis. Ficou mais fácil usar o YOLO tanto em aplicações básicas como em aplicações mais complexas, tornando-o útil numa variedade de cenários.

Com o Ultralytics YOLO11 (posteriormente sucedido pelo Ultralytics YOLO26), foram feitas outras otimizações. Ao reduzir o número de parâmetros e, ao mesmo tempo, melhorar a precisão, o modelo se tornou mais eficiente para tarefas em tempo real. Seja você um desenvolvedor experiente ou alguém que está começando na IA, o YOLO11 oferece uma abordagem avançada e acessível para a detecção de objetos.

Conhece o Ultralytics YOLO11: novos recursos e melhorias#

O YOLO11, lançado no evento híbrido anual da Ultralytics, YOLO Vision 2024 (YV24), é compatível com as mesmas tarefas de visão computacional do YOLOv8, como detecção de objetos, segmentação de instâncias, classificação de imagens e estimativa de pose. Assim, os usuários podem mudar facilmente para esse novo modelo sem precisar ajustar seus fluxos de trabalho. Além disso, a arquitetura aprimorada do YOLO11 torna as previsões ainda mais precisas. Na verdade, o YOLO11m alcança uma precisão média média (mAP) maior no conjunto de dados COCO, com 22% menos parâmetros do que o YOLOv8m.

O YOLO11 também foi desenvolvido para funcionar com eficiência em uma variedade de plataformas, desde smartphones e outros dispositivos de borda até sistemas de nuvem mais potentes. Essa flexibilidade garante um desempenho consistente em diferentes configurações de hardware para aplicações em tempo real. Além disso, o YOLO11 é mais rápido e eficiente, reduzindo os custos computacionais e os tempos de inferência. Seja usando o pacote Python da Ultralytics ou o Ultralytics HUB sem código (agora Ultralytics Platform), é fácil integrar o YOLO11 aos seus fluxos de trabalho atuais.

O futuro dos modelos YOLO e da deteção de objetos#

O impacto da detecção avançada de objetos em aplicações em tempo real e na IA de borda já está sendo sentido em vários setores. À medida que áreas como petróleo e gás, saúde e varejo dependem cada vez mais da IA, a demanda por detecção de objetos rápida e precisa continua crescendo. O Ultralytics YOLO11 busca atender a essa demanda, possibilitando detecção de alto desempenho até mesmo em dispositivos com capacidade computacional limitada.

Com o crescimento da IA de borda, é provável que modelos de detecção de objetos como o Ultralytics YOLO11 se tornem ainda mais essenciais para a tomada de decisões em tempo real em ambientes nos quais velocidade e precisão são fundamentais. Com as melhorias contínuas em design e adaptabilidade, o futuro da detecção de objetos promete ainda mais inovações em uma grande variedade de aplicações.

Principais conclusões#

A deteção de objetos evoluiu muito, passando de métodos simples para as técnicas avançadas de aprendizagem profunda que vemos hoje. Os modelos YOLO têm estado no centro desse progresso, oferecendo uma deteção em tempo real mais rápida e precisa em diferentes setores. O Ultralytics YOLO11 dá continuidade a esse legado, melhorando a eficiência, reduzindo os custos computacionais e aumentando a precisão, o que o torna uma opção confiável para várias aplicações em tempo real. Com os avanços contínuos da IA e da visão computacional, o futuro da deteção de objetos parece promissor, com espaço para ainda mais melhorias em velocidade, precisão e adaptabilidade.

Tem curiosidade sobre IA? Continue aprendendo e participe da nossa comunidade! Confira nosso repositório no GitHub para descobrir como usamos IA para criar soluções inovadoras em setores como manufatura e saúde.