Эволюция обнаружения объектов и моделей YOLO от Ultralytics

Компьютерное зрение — это подраздел искусственного интеллекта (AI), который учит машины видеть и понимать изображения и видео, подобно тому, как люди воспринимают окружающий мир. Люди распознают объекты или определяют действия естественным образом, но для машин эти задачи требуют специальных методов компьютерного зрения. Например, одна из ключевых задач компьютерного зрения — обнаружение объектов, то есть определение и локализация объектов на изображениях или видео.

С 1960-х годов исследователи работают над тем, чтобы компьютеры лучше обнаруживали объекты. Ранние методы, например сопоставление с шаблоном, заключались в перемещении заранее заданного шаблона по изображению в поисках совпадений. Несмотря на новаторский характер, такие подходы плохо справлялись с изменениями размера и ориентации объектов, а также с разным освещением. Сегодня существуют современные модели, такие как Ultralytics YOLO11, которые с впечатляющей точностью обнаруживают даже небольшие и частично скрытые объекты, называемые окклюдированными.

По мере развития компьютерного зрения важно оглядываться на то, как развивались эти технологии. В этой статье мы рассмотрим эволюцию обнаружения объектов и расскажем о преобразовании моделей YOLO (You Only Look Once).

Истоки компьютерного зрения#

Прежде чем перейти к обнаружению объектов, давай посмотрим, с чего началось компьютерное зрение. Истоки компьютерного зрения восходят к концу 1950-х и началу 1960-х годов, когда учёные начали изучать, как мозг обрабатывает визуальную информацию. В экспериментах с кошками исследователи Дэвид Хьюбел и Торстен Визель обнаружили, что мозг реагирует на простые узоры, например края и линии. Это положило начало идее извлечения признаков: зрительные системы обнаруживают и распознают в изображениях базовые признаки, например края, прежде чем переходить к более сложным узорам.

Рис. 1. Изучение реакции мозга кошки на полосы света помогло разработать метод извлечения признаков в компьютерном зрении.

Примерно в то же время появились технологии, позволявшие преобразовывать физические изображения в цифровой формат, что вызвало интерес к тому, как машины могут обрабатывать визуальную информацию. В 1966 году летний проект Массачусетского технологического института (MIT) продвинул эту область вперёд. Хотя проект не увенчался полным успехом, его целью было создать систему, способную отделять передний план от фона на изображениях. Для многих представителей сообщества ИИ в области компьютерного зрения этот проект считается официальным началом компьютерного зрения как научной дисциплины.

История обнаружения объектов#

По мере развития компьютерного зрения в конце 1990-х и начале 2000-х годов методы обнаружения объектов сменились: вместо базовых приёмов, таких как сопоставление с шаблоном, стали применять более сложные подходы. Одним из популярных методов стал каскад Хаара, широко использовавшийся, например, для обнаружения лиц. Он сканировал изображение скользящим окном, проверяя каждый участок на наличие определённых признаков, таких как края или текстуры, а затем объединял эти признаки для обнаружения объектов, например лиц. Каскад Хаара работал намного быстрее предыдущих методов.

Рис. 2. Применение каскада Хаара для обнаружения лиц.

Вместе с ними появились и такие методы, как гистограмма ориентированных градиентов (HOG) и метод опорных векторов (SVMs). HOG анализировал с помощью скользящего окна, как свет и тени меняются на небольших участках изображения, и помогал определять объекты по их форме. Затем SVM классифицировали эти признаки, чтобы определить, что представляет собой объект. Эти методы повысили точность, но всё ещё плохо работали в реальных условиях и уступали современным методам по скорости.

Необходимость обнаружения объектов в реальном времени#

В 2010-х годах развитие глубокого обучения и свёрточных нейронных сетей (CNNs) кардинально изменило обнаружение объектов. CNN позволили компьютерам автоматически извлекать важные признаки из больших объёмов данных, что значительно повысило точность обнаружения.

Ранние модели, такие как R-CNN (свёрточные нейронные сети на основе областей), значительно повысили точность и помогли обнаруживать объекты точнее, чем прежние методы.

Однако эти модели работали медленно, поскольку обрабатывали изображения в несколько этапов, поэтому их было сложно использовать в приложениях реального времени, например в беспилотных автомобилях или системах видеонаблюдения.

Чтобы ускорить обработку, разработчики создали более эффективные модели. Fast R-CNN и Faster R-CNN улучшили выбор областей интереса и сократили количество этапов обнаружения. Это ускорило обнаружение объектов, но всё ещё было недостаточно для многих реальных приложений, которым нужны мгновенные результаты. Растущий спрос на обнаружение в реальном времени подтолкнул разработку ещё более быстрых и эффективных решений, способных сочетать скорость и точность.

Рис. 3. Сравнение скорости R-CNN, Fast R-CNN и Faster R-CNN.

Модели YOLO (смотришь только один раз): важная веха#

YOLO — модель обнаружения объектов, которая изменила компьютерное зрение, обеспечив обнаружение нескольких объектов на изображениях и видео в реальном времени и выделившись на фоне прежних методов. Вместо анализа каждого обнаруженного объекта по отдельности архитектура YOLO рассматривает обнаружение объектов как единую задачу и за один проход предсказывает их расположение и классы с помощью CNN.

Модель делит изображение на сетку, и каждый её участок отвечает за обнаружение объектов в соответствующей области. Для каждого участка модель делает несколько предсказаний и отфильтровывает менее уверенные результаты, оставляя только самые достоверные.

Рис. 4. Общая схема работы YOLO.

Появление YOLO в приложениях компьютерного зрения сделало обнаружение объектов намного быстрее и эффективнее, чем в ранних моделях. Благодаря скорости и точности YOLO быстро стал популярным решением для приложений реального времени в таких отраслях, как производство, здравоохранение и робототехника.

Еще один важный момент: благодаря открытому исходному коду YOLO разработчики и исследователи могли постоянно улучшать модель, создавая еще более продвинутые версии.

Путь от YOLO до Ultralytics YOLO11#

Модели YOLO постоянно совершенствовались, опираясь на достижения каждой новой версии. Помимо повышения производительности, эти улучшения упростили работу с моделями для пользователей с разным уровнем технической подготовки.

Например, с появлением Ultralytics YOLOv5 развёртывание моделей упростилось благодаря PyTorch, и работать с передовыми решениями ИИ смогло больше пользователей. Модель сочетает точность и удобство, позволяя внедрять обнаружение объектов даже тем, кто не умеет программировать на экспертном уровне.

Рис. 5. Эволюция моделей YOLO.

Ultralytics YOLOv8 продолжила это развитие, добавив поддержку таких задач, как сегментация экземпляров, и сделав модели более гибкими. YOLO стало проще применять как для базовых, так и для более сложных задач, что расширило диапазон сценариев использования.

В Ultralytics YOLO11, которую позднее сменила Ultralytics YOLO26, появились новые оптимизации. Благодаря уменьшению количества параметров и повышению точности модель стала эффективнее для задач реального времени. Независимо от того, опытный ты разработчик или только начинаешь знакомство с ИИ, YOLO11 предлагает передовой и доступный подход к обнаружению объектов.

Знакомство с Ultralytics YOLO11: новые возможности и улучшения#

YOLO11 была представлена на ежегодном гибридном мероприятии Ultralytics — YOLO Vision 2024 (YV24) — и поддерживает те же задачи компьютерного зрения, что и YOLOv8: обнаружение объектов, сегментацию экземпляров, классификацию изображений и оценку позы. Поэтому пользователи могут легко перейти на новую модель, не меняя рабочие процессы. Кроме того, обновлённая архитектура YOLO11 обеспечивает ещё более точные предсказания. Например, YOLO11m достигает более высокого показателя средней точности (mAP) на наборе данных COCO, используя на 22% меньше параметров, чем YOLOv8m.

YOLO11 также разработана для эффективной работы на разных платформах: от смартфонов и других периферийных устройств до более мощных облачных систем. Благодаря такой гибкости модель стабильно работает на различных аппаратных конфигурациях в приложениях реального времени. Кроме того, YOLO11 быстрее и эффективнее: она снижает вычислительные затраты и ускоряет инференс. Используешь ли ты пакет Ultralytics для Python или платформу без кода Ultralytics HUB, которая теперь называется Ultralytics Platform, — интегрировать YOLO11 в существующие рабочие процессы легко.

Будущее моделей YOLO и обнаружения объектов#

Влияние передового обнаружения объектов на приложения реального времени и периферийный ИИ уже ощущается в разных отраслях. По мере того как нефтегазовая отрасль, здравоохранение и розничная торговля всё активнее используют ИИ, спрос на быстрое и точное обнаружение объектов продолжает расти. Ultralytics YOLO11 призвана удовлетворить этот спрос, обеспечивая высокую производительность обнаружения даже на устройствах с ограниченными вычислительными ресурсами.

По мере развития периферийного ИИ модели обнаружения объектов, такие как Ultralytics YOLO11, вероятно, станут ещё важнее для принятия решений в реальном времени в условиях, где критичны скорость и точность. Благодаря постоянному совершенствованию архитектуры и адаптивности будущее обнаружения объектов обещает ещё больше инноваций в самых разных приложениях.

Главные выводы#

Обнаружение объектов прошло долгий путь: от простых методов до передовых методов глубокого обучения, которые используются сегодня. Модели YOLO стали основой этого прогресса, обеспечив более быстрое и точное обнаружение в реальном времени в разных отраслях. Ultralytics YOLO11 продолжает эту традицию: повышает эффективность, сокращает вычислительные затраты и улучшает точность, что делает ее надежным выбором для самых разных приложений реального времени. Благодаря дальнейшему развитию ИИ и компьютерного зрения у обнаружения объектов большое будущее, а скорость, точность и адаптивность можно улучшать и дальше.

Интересуешься ИИ? Оставайся на связи с нашим сообществом, чтобы продолжать учиться! Загляни в наш репозиторий на GitHub и узнай, как мы используем ИИ для создания инновационных решений в таких отраслях, как производство и здравоохранение.