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

Computer vision é uma subárea da inteligência artificial (IA) que foca em ensinar máquinas a ver e entender imagens e vídeos, de forma semelhante a como os humanos percebem o mundo real. Enquanto recognizing objects ou identifying actions são tarefas naturais para os humanos, essas tarefas exigem computer vision techniques específicas e especializadas quando se trata de máquinas. Por exemplo, uma tarefa fundamental em computer vision é a object detection, que consiste em identificar e localizar objetos dentro de imagens ou vídeos.

Desde a década de 1960, pesquisadores trabalham para melhorar a forma como os computadores conseguem detect objects. Métodos antigos, como o template matching, envolviam deslizar um modelo predefinido por uma imagem para encontrar correspondências. Embora inovadoras, essas abordagens enfrentavam dificuldades com variações em object size, orientation e iluminação. Hoje, temos advanced models como o Ultralytics YOLO11, que conseguem detectar até objetos pequenos e parcialmente ocultos, conhecidos como objetos ocluídos, com uma precisão impressionante.

À medida que a computer vision continua a evoluir, é importante relembrar como essas tecnologias se desenvolveram. Neste artigo, vamos explorar a evolução da object detection e destacar a transformação dos YOLO (You Only Look Once) models. Vamos começar!

As origens da visão computacional#

Antes de mergulhar na object detection, vamos dar uma olhada em como a computer vision começou. As origins of computer vision remontam ao final dos anos 1950 e início dos anos 1960, quando cientistas começaram a explorar como o cérebro processa informações visuais. Em experimentos com cats, os researchers David Hubel e Torsten Wiesel descobriram que o cérebro reage a padrões simples, como bordas e linhas. Isso formou a base para a ideia por trás da feature extraction — o conceito de que os sistemas visuais detectam e reconhecem recursos básicos em imagens, como bordas, antes de avançar para padrões mais complexos.

Fig 1. Entender como o cérebro de um gato reage a barras de luz ajudou a desenvolver a extração de características em computer vision.

Por volta da mesma época, surgiu uma nova tecnologia capaz de converter imagens físicas em formatos digitais, despertando interesse em como as máquinas poderiam processar informações visuais. Em 1966, o Summer Vision Project do Massachusetts Institute of Technology (MIT) impulsionou ainda mais essas iniciativas. Embora o projeto não tenha obtido sucesso completo, ele visava criar um sistema capaz de separar o primeiro plano do fundo em images. Para muitos na vision AI community, este projeto marca o início oficial da computer vision como um campo científico.

Entendendo a história da detecção de objetos#

Com o avanço da computer vision no final dos anos 1990 e início dos anos 2000, os métodos de object detection migraram de técnicas básicas, como o template matching, para abordagens mais avançadas. Um método popular foi o Haar Cascade, que se tornou amplamente utilizado para tarefas como face detection. Ele funcionava escaneando imagens com uma janela deslizante, verificando recursos específicos como bordas ou texturas em cada seção da imagem e combinando essas características para detect objects como rostos. O Haar Cascade era muito mais rápido do que os métodos anteriores.

Fig 2. Usando o Haar Cascade para Detecção de Rostos.

Paralelamente, também foram introduzidos métodos como Histogram of Oriented Gradients (HOG) e Support Vector Machines (SVMs). O HOG usava a técnica de janela deslizante para analisar como a luz e as sombras mudavam em pequenas seções de uma imagem, ajudando a identify objects com base em suas formas. As SVMs classified então essas características para determinar a identidade do objeto. Esses métodos improved accuracy, mas ainda tinham dificuldades em ambientes do mundo real e eram mais lentos em comparação com as técnicas atuais.

A necessidade de detecção de objetos em tempo real#

Na década de 2010, o crescimento do deep learning e das Convolutional Neural Networks (CNNs) trouxe uma mudança significativa na object detection. As CNNs tornaram possível que os computadores aprendessem automaticamente recursos importantes a partir de grandes quantidades de data, o que tornou a detecção muito mais precisa.

Modelos iniciais como R-CNN (Region-based Convolutional Neural Networks) representaram uma grande melhoria na precision, ajudando a identificar objetos more accurately do que os métodos antigos.

No entanto, esses modelos eram lentos porque processavam imagens em várias etapas, tornando-os inviáveis para aplicações em tempo real em áreas como self-driving cars ou video surveillance.

Com o foco em aumentar a velocidade, modelos mais eficientes foram desenvolvidos. Modelos como Fast R-CNN e Faster R-CNN ajudaram ao refinar a forma como as regiões de interesse eram selecionadas e a reduzir o número de etapas necessárias para a detecção. Embora isso tenha tornado a detecção de objetos mais rápida, ela ainda não era rápida o suficiente para muitas real-world applications 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. Comparando as Velocidades de R-CNN, Fast R-CNN e Faster R-CNN.

Modelos YOLO (You Only Look Once): um marco importante#

YOLO é um modelo de object detection que redefiniu a computer vision ao permitir a detecção em tempo real de multiple objects em imagens e vídeos, tornando-se bastante único em relação aos métodos anteriores de detecção. Em vez de analisar cada objeto detectado individualmente, o YOLO’s architecture trata a detecção de objetos como uma tarefa única, prevendo tanto a localização quanto a classe dos objetos de uma só vez por meio de CNNs.

O modelo funciona dividindo uma imagem em uma grade, sendo que cada parte é responsável por detectar objetos em sua respectiva área. Ele faz várias predictions para cada seção e filters out os resultados com menor confiança, mantendo apenas os precisos.

Fig 4. Uma Visão Geral de Como o YOLO Funciona.

A introdução do YOLO nas computer vision applications tornou a detecção de objetos muito mais rápida e eficiente do que os modelos anteriores. Devido à sua velocidade e precisão, o YOLO rapidamente se tornou uma escolha popular para soluções em tempo real em indústrias como manufatura, saúde e robótica.

Outro ponto importante a notar é que, como o YOLO era open-source, desenvolvedores e pesquisadores puderam melhorá-lo continuamente, levando a versões ainda mais avançadas.

O caminho do YOLO até o Ultralytics YOLO11#

Os modelos YOLO melhoraram de forma constante ao longo do tempo, baseando-se nos avanços de cada versão. Juntamente com um melhor 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, o deploying models tornou-se mais simples com o PyTorch, permitindo que um público mais amplo trabalhasse com IA avançada. Ele uniu precisão e usabilidade, dando a mais pessoas a capacidade de implementar a detecção de objetos sem precisar ser especialistas em programação.

Fig 5. A Evolução dos modelos YOLO.

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

Com o modelo mais recente, Ultralytics YOLO11, novas otimizações foram implementadas. Ao reduzir o número de parameters enquanto melhora a precisão, ele agora está mais eficiente para tarefas em tempo real. Seja você um desenvolvedor experiente ou novo em IA, o YOLO11 oferece uma abordagem avançada para a detecção de objetos que é facilmente acessível.

Conhecendo o Ultralytics YOLO11: Novos recursos e melhorias#

O YOLO11, lançado no evento híbrido anual da Ultralytics, YOLO Vision 2024 (YV24), oferece suporte às mesmas computer vision tasks do YOLOv8, como detecção de objetos, segmentação de instâncias, classificação de imagens e pose estimation. Assim, os usuários podem mudar facilmente para este novo modelo sem precisar ajustar seus fluxos de trabalho. Além disso, a arquitetura atualizada do YOLO11 torna as previsões ainda mais precisas. De fato, o YOLO11m alcança uma precisão média superior (mAP) no COCO dataset com 22% menos parâmetros do que o YOLOv8m.

O YOLO11 também foi projetado para rodar com eficiência em uma range of platforms, desde smartphones e outros dispositivos de borda até sistemas em nuvem mais potentes. Essa flexibilidade garante um desempenho fluido em diferentes hardware setups para aplicações em tempo real. Além disso, o YOLO11 é mais rápido e eficiente, reduzindo os custos computacionais e acelerando os tempos de inferência. Quer você esteja usando o Ultralytics Python package ou o no-code Ultralytics HUB, é fácil integrar o YOLO11 aos seus fluxos de trabalho existentes.

O futuro dos modelos YOLO e da detecção de objetos#

O impacto da detecção de objetos avançada em aplicações em tempo real e edge AI já está sendo sentido em vários setores. À medida que setores como petróleo e gás, saúde e retail dependem cada vez mais de IA, a demanda por detecção de objetos rápida e precisa continua a crescer. O Ultralytics YOLO11 visa responder a essa demanda, permitindo detecção de alto desempenho mesmo em dispositivos com poder computacional limitado.

À medida que a edge AI cresce, 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 onde velocidade e precisão são críticas. Com melhorias contínuas em design e adaptabilidade, o futuro da detecção de objetos promete trazer ainda mais inovações em uma variedade de aplicações.

Principais pontos#

A detecção de objetos percorreu um longo caminho, evoluindo de métodos simples para as técnicas avançadas de aprendizado profundo que vemos hoje. Os modelos YOLO têm estado no centro desse progresso, entregando detecção em tempo real mais rápida e precisa em diferentes indústrias. O Ultralytics YOLO11 baseia-se nesse legado, melhorando a eficiência, reduzindo custos computacionais e aprimorando a precisão, tornando-se uma escolha confiável para uma variedade de aplicações em tempo real. Com os avanços contínuos em IA e computer vision, o futuro da detecção de objetos parece brilhante, com espaço para ainda mais melhorias em velocidade, precisão e adaptabilidade.

Curioso sobre IA? Mantém-te conectado com a nossa comunidade para continuar a aprender! Confere o nosso repositório no GitHub para descobrir como estamos a usar IA para criar soluções inovadoras em indústrias como fabricação e saúde. 🚀