Будущие тренды в детекции объектов: 7 ключевых направлений, за которыми стоит следить

Роботакси уже курсируют по улицам Сан-Франциско, а люди перешли от поиска ответов в интернете к общению с AI в повседневной жизни. Эти изменения ясно показывают, что искусственный интеллект (AI) развивается быстрее, чем когда-либо, и становится частью ежедневной жизни.

Например, одна из областей, развивающихся невероятными темпами, — это технология компьютерного зрения. Также известная как vision AI, она представляет собой подраздел AI, который помогает машинам интерпретировать и понимать визуальные данные.

Компьютерное зрение уже используется повсюду — от автоматизированных касс до дронов, обследующих линии электропередачи. В основе многих таких систем лежит обнаружение объектов — ключевая задача компьютерного зрения, позволяющая машинам распознавать и находить конкретные объекты на изображениях и видео.

По мере ускорения внедрения AI растет и спрос на быстрое и точное обнаружение объектов. Модели vision AI, такие как Ultralytics YOLO11 и предстоящая Ultralytics YOLO26, созданы именно с учетом этого, делая обнаружение объектов в реальном времени надежнее и доступнее, чем когда-либо.

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

На фоне такого стремительного прогресса эта область быстро развивается, а несколько новых тенденций определяют облик следующего поколения систем обнаружения объектов. В этой статье мы рассмотрим семь ключевых тенденций, формирующих будущее обнаружения объектов.

Как работает обнаружение объектов#

Прежде чем перейти к будущим тенденциям в обнаружении объектов, давай остановимся и разберемся, что представляет собой обнаружение объектов, как оно работает внутри системы и как развивалось с годами.

Обнаружение объектов — важная часть компьютерного зрения, благодаря которой системы AI могут определить, что находится на изображении, и точно установить, где расположен каждый объект. Для этого модели обучают на больших размеченных наборах данных, содержащих объекты в самых разных условиях: под разными углами, при различном освещении, разных размерах и в разных компоновках.

Со временем модель выявляет закономерности и визуальные признаки, отличающие один объект от другого. После обучения модели vision AI, такие как Ultralytics YOLO, могут просканировать все изображение за один проход, мгновенно построив ограничивающие рамки и назначив метки. Именно такая скорость и точность делают обнаружение объектов эффективным во множестве реальных приложений.

Рис. 2. Обнаружение рентгеновского снимка с помощью модели YOLO11. (Источник)

Практический пример применения обнаружения объектов#

Например, при анализе документов компании вроде Prezent используют обнаружение объектов для автоматизации сложной задачи редизайна презентационных слайдов. Раньше этот процесс требовал часов ручной работы: нужно было находить заголовки, перемещать текстовые блоки, выравнивать изображения и заново строить диаграммы, одновременно поддерживая аккуратную и единообразную компоновку.

Преобразуя каждый слайд в изображение, модели Ultralytics YOLO могут обнаруживать заголовки, текстовые блоки, изображения и диаграммы, сохраняя исходную структуру. Это позволяет системе точно понимать расположение каждого элемента. Благодаря этой информации весь процесс редизайна, ранее медленный и утомительный, теперь можно автоматизировать всего за несколько секунд.

Эволюция обнаружения объектов в компьютерном зрении#

Кратко рассмотрим, как обнаружение объектов развивалось с годами:

• Первые годы (1960–1970-е): Первые методы обнаружения объектов появились в традиционной обработке изображений и часто основывались на сопоставлении с шаблоном. При таком подходе компьютеры сравнивали части изображения (пиксели) с заранее заданными эталонными образцами, или шаблонами, в поисках сходств. Поскольку эти шаблоны были фиксированными и не могли адаптироваться к изменениям, метод работал только в идеальных условиях. Даже небольших изменений освещения, масштаба, поворота или внешнего вида объекта было достаточно, чтобы система дала сбой.

• Обнаружение на основе признаков (1990–2000-е): Затем исследователи перешли к идее искусственно заданных признаков и их извлечения: люди вручную определяли визуальные признаки, которые должен был искать компьютер, например границы, углы, формы или изменения яркости. Такие методы, как Haar Cascades (метод поиска простых визуальных шаблонов, часто используемый для обнаружения лиц) и HOG (метод, фиксирующий направление границ и контуров на изображении), которые часто применялись вместе с классификаторами SVM (модель машинного обучения, разделяющая объекты на категории), сделали распознавание объектов точнее и быстрее. Несмотря на эти улучшения, системы все еще не справлялись с достаточно быстрой работой в реальном времени.

• Революция моделей глубокого обучения (2010-е): Глубокое обучение и сверточные нейронные сети (CNNs) — модели, предназначенные для изучения визуальных закономерностей путем последовательного сканирования небольших областей изображений, — изменили подход к обнаружению объектов. Такие модели, как R-CNN, Fast R-CNN и Faster R-CNN, учились распознавать визуальные закономерности непосредственно на больших объемах данных. Это обеспечило высокую точность результатов, однако проблемы с задержкой сохранялись.

• Обнаружение в реальном времени с помощью YOLO (середина 2010-х): YOLO (Ты смотришь всего один раз) стал важным прорывом в обнаружении объектов, прогнозируя все ограничивающие рамки и метки классов за один проход через сеть. Такой унифицированный подход значительно увеличил скорость обнаружения и проложил путь к приложениям реального времени. Примерно в то же время другие одношаговые модели, такие как SSD (Одношаговый детектор), также повысили производительность за счет исключения этапов генерации регионов-кандидатов, сделав обнаружение объектов быстрее и эффективнее.

• Последние достижения (2020-е): Благодаря значительным улучшениям в архитектуре и оптимизации моделей 2020-е годы принесли более быстрые и точные передовые системы и фреймворки для обнаружения объектов. Ultralytics YOLO11 представила архитектурные улучшения, повысившие скорость обработки, точность и общую производительность в реальном времени. Развивая этот успех, предстоящая YOLO26 получила еще более эффективную и легкую архитектуру, что делает ее подходящей для широкого спектра практических приложений.

7 тенденций в обнаружении объектов, формирующих будущее#

Далее рассмотрим семь новых тенденций в обнаружении объектов, которые привлекают внимание и вызывают интерес в сфере компьютерного зрения.

1. Более интеллектуальные задачи обнаружения объектов с помощью периферийных вычислений#

Традиционные ручные проверки могут замедлять производственные линии и приводить к пропуску дефектов. Поэтому многие компании переходят на системы контроля качества на основе AI, использующие обнаружение объектов.

Исследования показывают, что визуальный контроль на основе AI может значительно повысить производительность — иногда на целых 50% — и увеличить долю обнаруженных дефектов до 90% по сравнению с ручной проверкой. Интересно, что новая тенденция, набирающая популярность в этой сфере и других приложениях vision AI, заключается в переносе такого анализа непосредственно на сами устройства благодаря периферийным вычислениям.

При использовании периферийных вычислений обработка перемещается ближе к месту сбора данных. Камеры и датчики могут запускать модели обнаружения объектов непосредственно на месте, мгновенно распознавая объекты и определяя их местоположение без обращения к облачной обработке. Это позволяет анализировать кадры в реальном времени.

Это также сокращает сетевые задержки, уменьшает использование пропускной способности и обеспечивает работу систем даже при нестабильном или отсутствующем интернет-соединении. В динамичных средах, например на производстве, переход к обработке на устройстве обеспечивает более быстрые отклики, плавную работу и значительно более надежные результаты.

2. Диагностика в здравоохранении на основе vision AI#

Врачи часто тратят много времени на изучение медицинских изображений, чтобы ничего не упустить. Сегодня многие больницы начинают осваивать передовые технологии обнаружения объектов, чтобы ускорить этот процесс. Это отражает более широкую тенденцию в здравоохранении: vision AI все чаще используется для более раннего выявления заболеваний, ускорения диагностики и повышения единообразия анализа изображений.

Обнаружение объектов можно использовать для быстрого выделения областей, требующих внимания, что улучшает принятие решений и помогает добиваться лучших результатов лечения. Например, модели вроде Ultralytics YOLO11 могут помогать врачам обнаруживать опухоли мозга на МРТ-снимках.

Рис. 3. Обнаружение и локализация опухолей мозга с помощью Ultralytics YOLO11. (Источник)

Поскольку Ultralytics YOLO11 может распознавать малозаметные закономерности на МРТ-снимках, он помогает точнее выявлять небольшие опухоли и опухоли на ранних стадиях. Хотя окончательный диагноз ставят врачи, такие инструменты, как YOLO11, могут упростить их работу, раньше обращая внимание на потенциально проблемные области и помогая не пропустить ничего важного.

3. Автономные транспортные средства и зрение в реальном времени для более безопасного передвижения#

На загруженных городских улицах беспилотные автомобили используют камеры и датчики для непрерывного наблюдения за окружающей обстановкой. Эти системы в реальном времени обнаруживают пешеходов, транспортные средства, полосы движения и дорожные знаки. С помощью алгоритмов компьютерного зрения и обнаружения объектов автономный автомобиль может интерпретировать происходящее вокруг и принимать более безопасные решения при автономном вождении.

В регионах с разнообразными схемами движения и смешанным потоком транспорта такие системы сталкиваются с дополнительными сложностями. Например, в недавнем исследовании модели Ultralytics YOLOv8 оценивались на данных о дорожном движении, собранных в Хайдарабаде и Бангалоре, где автомобили, автобусы, мотоциклы, велосипеды и моторикши движутся по дорогам в динамичной и часто непредсказуемой обстановке.

Результаты показали, что Ultralytics YOLOv8 успешно работает в таких сложных сценариях, точно обнаруживая широкий спектр объектов даже в условиях плотного и неструктурированного движения. Это подчеркивает растущую тенденцию в сфере автономной мобильности: модели vision AI все лучше справляются со сложными реальными условиями, которые раньше представляли серьезную проблему для автоматизированных систем.

4. Умная автоматизация и робототехника с использованием компьютерного зрения#

Работа с небольшими объектами, сортировка обнаруженных объектов и материалов, а также навигация в загроможденных пространствах всегда были сложными задачами для роботов. Они требуют быстрой адаптации и точных движений, с которыми традиционные системы автоматизации часто не справляются в непредсказуемой среде.

В робототехнике набирает популярность использование vision AI, позволяющего роботам воспринимать окружающую обстановку и реагировать на нее в реальном времени. Чтобы изучить этот переход, группа исследователей недавно разработала бытового робота, способного распознавать и сортировать объекты во время перемещения по помещениям.

Используя такие модели, как Ultralytics YOLO11, для обнаружения объектов, а также стереокамеру и гибкий захват, робот мог самостоятельно распознавать предметы разных форм и размеров и размещать их в нужных местах. Этот эксперимент показывает, как объединение компьютерного зрения с роботизированными системами может улучшить пространственное восприятие и скорость реакции.

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

Это также демонстрирует, как передовые методы AI помогают роботам адаптироваться к незнакомой среде, постепенно обучаясь на визуальных закономерностях. Благодаря этим достижениям роботы становятся более функциональными и все глубже интегрируются в повседневные задачи — от помощи по дому до складской логистики и поддержки в здравоохранении.

5. Проактивные системы наблюдения и безопасности#

Умные системы видеонаблюдения стремительно внедряют искусственный интеллект для выявления необычной или небезопасной активности. С помощью моделей обнаружения объектов камеры могут в реальном времени распознавать потенциальные проблемы и сразу уведомлять службы безопасности, улучшая как профилактику, так и реагирование.

Например, на производственных объектах, где использование смартфонов ограничено по соображениям безопасности, системы AI могут автоматически обнаруживать телефоны сразу после их появления и отслеживать их перемещение с помощью YOLO и других моделей компьютерного зрения. Это отражает более широкую тенденцию в сфере безопасности: vision AI используется для более проактивного наблюдения за обстановкой и ускорения реакции на потенциальные угрозы.

Помимо обнаружения, такие системы все чаще объединяются с другими технологиями для создания комплексного решения безопасности. Периферийные устройства позволяют обрабатывать видеозаписи локально, сокращая задержки и сохраняя стабильную производительность, а такие инструменты, как системы контроля доступа или распознавание лиц, добавляют дополнительный уровень проверки. Вместе эти технологии создают более интеллектуальные и связанные сети видеонаблюдения, способные быстро и эффективно реагировать на реальные ситуации.

6. Дополненная реальность и обнаружение объектов в повседневной жизни#

На загруженных складах и в крупных торговых помещениях сотрудникам часто приходится выполнять множество задач одновременно. Дополненная реальность помогает, размещая цифровые подсказки непосредственно в реальном мире. В сочетании с обнаружением объектов системы AR могут распознавать предметы, отслеживать их местоположение и отображать полезную информацию в реальном времени. Это делает повседневные задачи проще, быстрее и понятнее для пользователей.

Одной из растущих тенденций в этой области стало использование vision AI для превращения обычных устройств в интеллектуальных помощников, способных понимать окружающую обстановку. По мере объединения AR и обнаружения объектов рабочие места начинают внедрять иммерсивные инструменты, поддерживающие работу без помощи рук и более эффективные рабочие процессы.

Хороший пример — разрабатываемые и тестируемые сейчас очки AR Amazon с поддержкой AI. Эти очки используют обнаружение объектов и классификацию изображений, чтобы распознавать посылки, направлять сотрудников по правильному маршруту и фиксировать подтверждение доставки. Это обеспечивает более безопасную работу без помощи рук, помогая сотрудникам сохранять концентрацию и эффективность в течение всего дня.

7. Умные устройства на базе IoT для систем зрения в реальном времени#

Умные устройства превратились в интеллектуальные системы, способные видеть, понимать и реагировать на окружающую обстановку. Интернет вещей (IoT) ускоряет этот переход, объединяя камеры, датчики, машины и умные приложения в сети, которые собирают данные и обрабатывают их в реальном времени.

Когда IoT работает вместе с обнаружением объектов и периферийными вычислениями, устройства могут интерпретировать визуальную информацию, выявлять аномалии и мгновенно реагировать без участия человека. Это создает адаптивные и эффективные системы, обеспечивающие работу умных домов, предприятий и целых городов.

Например, недавнее исследование показало, как система защиты дикой природы на базе IoT использует Ultralytics YOLOv8 для обнаружения животных, приближающихся к сельскохозяйственным угодьям. После обнаружения система с помощью AI принимает решение и включает мягкие средства отпугивания, например свет или звук, безопасно направляя животных прочь. Это помогает предотвращать повреждение урожая и поддерживать мирное сосуществование с местной фауной, показывая, как IoT и компьютерное зрение могут сделать сельское хозяйство более устойчивым.

Другие интересные тенденции в области vision AI#

Помимо этих семи тенденций в обнаружении объектов, вот несколько заметных разработок, формирующих будущее vision AI:

• Исследования в области самообучения: Новые методы на основе глубокого обучения позволяют моделям изучать полезные визуальные признаки на больших наборах неразмеченных изображений, помогая системам обнаружения объектов совершенствоваться без сильной зависимости от ручной разметки.
• Распространение обнаружения объектов на основе Transformer: Transformer становятся все более популярными, поскольку улавливают дальние взаимосвязи внутри изображений, обеспечивая моделям лучшее понимание контекста и повышая точность обнаружения.
• Интеграция технологии обнаружения света и определения дальности (LiDAR) для более насыщенного 3D-восприятия: Объединение LiDAR с обнаружением объектов на основе камер предоставляет точную информацию о глубине, усиливая 3D-восприятие в таких приложениях, как навигация, робототехника и автономное вождение.

Основные выводы#

Обнаружение объектов вышло далеко за рамки простого распознавания изображений и теперь используется для создания интеллектуальных систем, способных принимать решения в реальном времени. В будущем модели, вероятно, обеспечат еще более высокую точность и глубокое понимание контекста, благодаря чему vision AI станет еще надежнее и универсальнее в разных отраслях. По мере дальнейшего развития этих технологий они будут формировать новое поколение более интеллектуальных и адаптивных систем компьютерного зрения.

Хочешь узнать больше? Присоединяйся к нашему сообществу и изучи репозиторий GitHub, чтобы познакомиться с другими специалистами в сфере AI. Посети страницы наших решений, посвященные AI в робототехнике и компьютерному зрению в сельском хозяйстве, а также изучи доступные варианты лицензирования, чтобы начать использовать vision AI уже сегодня.