Будущие тренды обнаружения объектов: 7 ключевых моментов, на которые стоит обратить внимание

Роботакси уже курсируют по улицам Сан-Франциско, а люди перешли от поиска ответов в сети к общению с ИИ как части своей повседневной жизни. Эти изменения ясно дают понять, что искусственный интеллект (ИИ) развивается быстрее, чем когда-либо, и становится неотъемлемой частью нашей жизни.

Например, одной из областей, развивающихся с невероятной скоростью, является технология computer vision. Также известная как визуальный ИИ, это подкатегория ИИ, которая помогает машинам интерпретировать и понимать визуальные данные.

Компьютерное зрение уже повсеместно применяется везде: от автоматизированных касс до дронов, surveying power lines. В основе многих из таких систем лежит object detection, ключевая задача компьютерного зрения, которая позволяет машинам распознавать и находить конкретные объекты на изображениях и видео.

По мере того как внедрение ИИ ускоряется, растет и спрос на обнаружение объектов, которое является одновременно быстрым и точным. Модели визуального ИИ, такие как Ultralytics YOLO11 и грядущая Ultralytics YOLO26, созданы с учетом этого, делая обнаружение объектов в реальном времени более надежным и доступным, чем когда-либо.

Рис. 1. Пример использования Ultralytics YOLO11 для детекции объектов.

Благодаря этому стремительному прогрессу отрасль быстро меняется, и несколько новых трендов формируют облик следующего поколения систем обнаружения объектов. В этой статье мы рассмотрим семь ключевых тенденций, которые определяют будущее этой технологии.

Понимание принципов работы обнаружения объектов#

Прежде чем мы перейдем к будущим трендам в обнаружении объектов, давай сделаем шаг назад и посмотрим, что это такое, как оно работает «под капотом» и как развивалось с течением времени.

Обнаружение объектов — это ключевая часть computer vision, которая позволяет ИИ-системам определять, что находится на изображении, и точно указывать, где появляется каждый предмет. Чтобы научиться этому, модели обучаются на больших размеченных наборах данных, показывающих объекты в самых разных условиях: под разным углом, при разном освещении, в разных размерах и компоновках.

Со временем модель усваивает закономерности и визуальные подсказки, которые отделяют один объект от другого. После обучения vision AI models, такие как Ultralytics YOLO, могут сканировать целое изображение за один проход, мгновенно рисуя рамки и присваивая метки. Именно эта скорость и точность делают обнаружение объектов эффективным в реальных сценариях применения.

Рис. 2. Обнаружение рентгенограммы с помощью модели YOLO11. (Source)

Пример использования обнаружения объектов в реальных задачах#

Например, в document analysis такие компании, как Prezent, используют обнаружение объектов для автоматизации сложной задачи по изменению дизайна слайдов презентации. Традиционно этот процесс требовал часов ручных корректировок: определения заголовков, изменения положения текстовых полей, выравнивания изображений и перестройки графиков, и все это при попытке сохранить чистый и последовательный макет.

Преобразуя каждый слайд в изображение, модели Ultralytics YOLO могут обнаруживать заголовки, текстовые блоки, изображения и графики, сохраняя при этом исходную структуру. Это дает системе точное понимание того, как расположен каждый элемент. Благодаря этой информации весь процесс переработки, который раньше был долгим и утомительным, теперь можно автоматизировать за считанные секунды.

Эволюция обнаружения объектов в computer vision#

Вот краткий обзор того, как развивалось обнаружение объектов на протяжении многих лет:

• Начало пути (1960-е – 1970-е гг.): Ранние методы обнаружения объектов происходили из традиционной обработки изображений и часто полагались на сопоставление с шаблонами (template matching). В этом подходе компьютеры сравнивали части изображения (пиксели) с предопределенными эталонными шаблонами для поиска сходств. Поскольку эти шаблоны были фиксированными и не могли адаптироваться к изменениям, метод работал только в идеальных условиях. Даже небольшие вариации в освещении, масштабе, повороте или внешнем виде объекта приводили к сбоям.

• Обнаружение на основе признаков (1990-е – 2000-е гг.): Затем исследователи перешли к идее рукотворных признаков и их извлечения, где люди вручную определяли визуальные ключи, которые должен искать компьютер, такие как края, углы, формы или изменения яркости. Методы вроде Haar Cascades (метод поиска простых визуальных паттернов, часто используемый для обнаружения лиц) и HOG (техника захвата направлений краев и контуров изображения), часто сочетавшиеся с SVM-классификаторами (модель машинного обучения, разделяющая объекты на категории), сделали распознавание объектов точнее и быстрее. Но даже с этими улучшениями системы всё еще не могли работать достаточно быстро для использования в реальном времени.

• Революция моделей глубокого обучения (2010-е гг.): Глубокое обучение и сверточные нейронные сети (CNN), которые представляют собой модели, разработанные для изучения визуальных паттернов путем сканирования изображений небольшими областями, переопределили обнаружение объектов. Модели, такие как R-CNN, Fast R-CNN и Faster R-CNN, изучали визуальные паттерны непосредственно из больших объемов данных. Это привело к высокой точности результатов, но эти модели всё еще сталкивались с проблемами задержки.

• Обнаружение в реальном времени с YOLO (середина 2010-х гг.): YOLO (You Only Look Once) ознаменовал крупный прорыв в обнаружении объектов, предсказывая все ограничивающие рамки (bounding boxes) и классы меток за один проход через сеть. Этот унифицированный подход резко увеличил скорость обнаружения и открыл путь для приложений, работающих в реальном времени. Примерно в то же время другие модели однократного прохода, такие как SSD (Single Shot Detector), также улучшили производительность за счет удаления этапов предложения регионов (region proposal), что сделало обнаружение объектов быстрее и эффективнее.

• Недавние достижения (2020-е гг.): Благодаря значительным улучшениям в проектировании и оптимизации моделей, 2020-е годы принесли более быстрые и точные современные системы и фреймворки для обнаружения объектов. Ultralytics YOLO11 представил архитектурные обновления, которые улучшили скорость обработки, точность и общую производительность в реальном времени. Опираясь на этот импульс, предстоящая YOLO26 отличается еще более эффективным и легким дизайном, что делает её подходящей для широкого спектра практических применений.

7 трендов в обнаружении объектов, определяющих будущее#

Далее давай рассмотрим семь развивающихся трендов в обнаружении объектов, которые привлекают внимание и создают ажиотаж в области computer vision.

Более умные задачи по обнаружению объектов с помощью edge computing#

Традиционные ручные проверки могут замедлить производственные линии и оставить вероятность пропуска дефектов. Чтобы справиться с этим, многие компании переходят на ИИ-системы контроля качества, основанные на обнаружении объектов.

Фактически, исследования показывают, что AI-based visual inspection может значительно повысить производительность — иногда на 50% — и увеличить показатели обнаружения дефектов на величину до 90% по сравнению с ручной инспекцией. Интересно, что новым трендом, набирающим обороты в этой области и других приложениях визуального ИИ, является то, что теперь этот анализ происходит непосредственно на самих устройствах с помощью граничных вычислений.

С помощью edge computing аналитика перемещается ближе к месту сбора данных. Камеры и датчики могут запускать модели обнаружения объектов на месте, мгновенно распознавая объекты и определяя их местоположение без зависимости от облачной обработки. Это позволяет им анализировать кадры в реальном времени.

Это также снижает сетевые задержки, уменьшает использование полосы пропускания и гарантирует, что системы продолжат работать, даже если интернет-соединение нестабильно или отсутствует. Для динамичных сред, таких как производство, этот переход к обработке на устройстве обеспечивает более быстрые ответы, более плавную работу и гораздо более надежные результаты.

Диагностика на основе зрения в здравоохранении#

Врачи часто тратят много времени на просмотр медицинских изображений, чтобы убедиться, что ничего не упущено. В настоящее время многие больницы начинают изучать передовые технологии обнаружения объектов, чтобы ускорить этот процесс. Это отражает более широкую тенденцию в здравоохранении, где vision AI всё чаще используется для поддержки раннего выявления, более быстрой постановки диагноза и более последовательного анализа изображений.

Распознавание объектов можно использовать для быстрого выделения областей, требующих внимания, что улучшает принятие решений и результаты лечения пациентов. Например, такие модели, как Ultralytics YOLO11, помогают врачам обнаруживать опухоли головного мозга на снимках МРТ.

Рис. 3. Детекция и локализация опухолей головного мозга на МРТ-снимках с помощью Ultralytics YOLO11. (Источник)

Поскольку YOLO11 от Ultralytics умеет распознавать скрытые паттерны на МРТ-снимках, она помогает точнее выявлять небольшие или ранние опухоли. Хотя окончательный диагноз ставят врачи, такие инструменты, как YOLO11, могут ускорить их работу, раньше выявляя потенциальные проблемы и помогая не упустить ничего важного.

Автономные транспортные средства и зрение в реальном времени для более безопасной мобильности#

На оживленных городских улицах беспилотные автомобили полагаются на камеры и сенсоры для постоянного мониторинга окружающей обстановки. Эти системы обнаруживают пешеходов, транспорт, полосы движения и дорожные знаки в реальном времени. С помощью компьютерного зрения и алгоритмов обнаружения объектов автономный автомобиль может интерпретировать происходящее вокруг и принимать более безопасные решения во время движения.

В регионах с разнообразными схемами движения и смешением транспортных средств эти системы сталкиваются с дополнительной сложностью. Например, в недавнем исследовании оценивались модели Ultralytics YOLOv8 на traffic data, собранных в Хайдарабаде и Бангалоре, где самые разные транспортные средства, такие как автомобили, автобусы, мотоциклы, велосипеды и авторикши, делят дорогу динамичным и зачастую непредсказуемым образом.

Результаты показали, что Ultralytics YOLOv8 демонстрирует отличные результаты в этих сложных сценариях, точно обнаруживая широкий спектр объектов даже в условиях интенсивного и неструктурированного движения. Это подчеркивает растущую тенденцию в автономной мобильности: модели компьютерного зрения становятся все более способными справляться со сложными реальными условиями, которые раньше представляли серьезные трудности для автоматизированных систем.

Умная автоматизация и робототехника с использованием computer vision#

Обработка мелких объектов, сортировка обнаруженных предметов и материалов или навигация в загроможденных пространствах всегда были сложной задачей для роботов. Эти задачи требуют быстрой адаптации и точного движения — того, с чем традиционные системы автоматизации часто испытывают трудности в непредсказуемых условиях.

Растущим трендом в робототехнике является использование визуального ИИ для предоставления роботам возможности воспринимать свое окружение и реагировать на него в реальном времени. Чтобы исследовать этот сдвиг, группа исследователей недавно разработала household robot, способный распознавать и сортировать объекты при перемещении по закрытым помещениям.

Используя такие модели, как Ultralytics YOLO11, для распознавания объектов вместе с камерой глубины и гибким захватом, робот смог самостоятельно определять предметы различной формы и размера и раскладывать их по нужным местам. Этот эксперимент показывает, как сочетание компьютерного зрения с робототехническими системами может улучшить пространственное восприятие и скорость реакции.

Рис. 4. Робот, использующий Ultralytics YOLO11 и датчики глубины для принятия интеллектуальных решений. (Источник)

Это также демонстрирует, как передовые методы ИИ помогают роботам адаптироваться к незнакомым средам, обучаясь на визуальных паттернах с течением времени. С этими достижениями роботы становятся всё более способными и всё больше интегрируются в повседневные задачи: от помощи по дому до складской логистики и поддержки в здравоохранении.

Проактивные системы наблюдения и безопасности#

Умные системы видеонаблюдения быстро внедряют искусственный интеллект для обнаружения необычной или небезопасной активности. С моделями обнаружения объектов камеры могут распознавать потенциальные проблемы в реальном времени и сразу оповещать команды безопасности, помогая улучшить как предотвращение, так и реагирование.

Например, на производственных предприятиях, где smartphone use ограничено по соображениям безопасности, системы ИИ могут автоматически обнаруживать телефоны в момент их появления и отслеживать их перемещение с помощью YOLO и других моделей видеонаблюдения. Это отражает более широкую тенденцию в сфере безопасности, где визуальный ИИ используется для более проактивного мониторинга среды и более быстрого реагирования на потенциальные риски.

Помимо обнаружения, эти системы всё чаще комбинируются с другими технологиями для создания более комплексных решений безопасности. Edge-устройства позволяют обрабатывать отснятый материал локально, сокращая задержки и поддерживая надежность работы, а такие инструменты, как системы контроля доступа или распознавание лиц, могут добавить дополнительный уровень проверки. Вместе эти технологии работают над созданием более умных и взаимосвязанных сетей наблюдения, которые могут быстро и эффективно реагировать на ситуации в реальном мире.

Дополненная реальность и обнаружение объектов в повседневной жизни#

На оживленных складах и в крупных торговых залах работникам часто приходится управлять множеством задач одновременно. Дополненная реальность (AR) помогает в этом, размещая цифровые подсказки прямо в реальном мире. В сочетании с обнаружением объектов AR-системы могут идентифицировать товары, отслеживать их местоположение и отображать полезную информацию в реальном времени. Это делает повседневные задачи проще, быстрее и интуитивно понятнее для тех, кто их использует.

Растущим трендом в этой области является использование vision AI для превращения повседневных устройств в интеллектуальных помощников, способных понимать окружающую среду. По мере того как AR и обнаружение объектов продолжают сливаться, на рабочих местах начинают внедряться иммерсивные инструменты, поддерживающие голосовое управление и более эффективные рабочие процессы.

Хорошим примером являются AR glasses от Amazon с поддержкой ИИ, которые в настоящее время разрабатываются и тестируются. Эти очки используют обнаружение объектов и классификацию изображений для распознавания посылок, направления работников по правильному маршруту и фиксации подтверждения доставки. Это создает более безопасный и удобный интерфейс без использования рук, который помогает сотрудникам оставаться сосредоточенными и эффективными в течение всего дня.

IoT-устройства для систем компьютерного зрения в реальном времени#

Смарт-устройства превратились в интеллектуальные системы, которые могут видеть, понимать и реагировать на свое окружение. Интернет вещей (IoT) стимулирует этот сдвиг, объединяя камеры, сенсоры, машины и приложения в сети, которые собирают и выполняют обработку данных в реальном времени.

Когда IoT работает вместе с обнаружением объектов и edge computing, устройства могут интерпретировать визуальную информацию, обнаруживать аномалии и мгновенно реагировать без участия человека. Это создает адаптивные и эффективные системы, которые управляют умными домами, промышленностью и целыми городами.

Например, недавнее исследование показало, как система защиты дикой природы на базе IoT использует Ultralytics YOLOv8 для обнаружения животных, приближающихся к сельскохозяйственным угодьям. Обнаружив их, система задействует принятие решений на основе ИИ для включения мягких отпугивающих средств, таких как свет или звук, безопасно уводя животных. Это помогает предотвратить повреждение посевов и поддерживает мирное сосуществование с местной дикой природой, показывая, как IoT и компьютерное зрение могут сделать сельское хозяйство более экологичным.

Другие интересные тренды в vision AI#

Помимо этих семи трендов, вот несколько примечательных разработок, формирующих будущее vision AI:

• Исследования в области самообучения (self-supervised learning): Новые методы глубокого обучения позволяют моделям изучать полезные визуальные признаки из больших наборов неразмеченных изображений, помогая системам обнаружения объектов совершенствоваться без необходимости в больших объемах ручной разметки.
• Рост обнаружения объектов на основе трансформеров: Трансформеры становятся всё более популярными, потому что они захватывают долгосрочные связи внутри изображений, давая моделям лучшее понимание контекста и улучшая точность обнаружения.
• Интеграция LiDAR для более богатого 3D-восприятия: Сочетание LiDAR с обнаружением объектов на основе камер обеспечивает точную информацию о глубине, усиливая 3D-восприятие для таких задач, как навигация, робототехника и автономное вождение.

Основные выводы#

Обнаружение объектов вышло далеко за рамки базового распознавания изображений и теперь используется для обеспечения работы интеллектуальных систем, способных принимать решения в реальном времени. Заглядывая вперед, будущие модели, вероятно, достигнут ещё более высокой точности и более глубокого понимания контекста, позволяя vision AI стать ещё более надежным и универсальным в различных отраслях. По мере того как эти технологии продолжают развиваться, они будут формировать новое поколение более умных и адаптивных систем компьютерного зрения.

Хочешь узнать больше? Присоединяйся к нашему community и изучай GitHub repository, чтобы общаться с другими специалистами в сфере ИИ. Посети страницы наших решений по AI in robotics и computer vision for agriculture и изучи наши варианты licensing, чтобы начать работу с визуальным ИИ уже сегодня.