Эволюция обнаружения объектов и моделей YOLO от Ultralytics

Компьютерное зрение — это область искусственного интеллекта (AI), которая обучает машины видеть и понимать изображения и видео подобно тому, как люди воспринимают окружающий мир. Если распознавание объектов или определение действий естественно для человека, то для машин эти задачи требуют специальных и специализированных методов компьютерного зрения. Например, одна из ключевых задач компьютерного зрения — обнаружение объектов, то есть выявление объектов на изображениях или в видео и определение их местоположения.

С 1960-х годов исследователи работают над тем, чтобы улучшить способность компьютеров обнаруживать объекты. Ранние методы, например сопоставление с шаблоном, заключались в перемещении заранее заданного шаблона по изображению для поиска совпадений. Несмотря на новизну, такие подходы плохо справлялись с изменениями размера и ориентации объекта, а также с разным освещением. Сегодня существуют продвинутые модели, такие как Ultralytics YOLO11, которые с высокой точностью обнаруживают даже небольшие и частично скрытые объекты, называемые перекрытыми объектами.

По мере развития компьютерного зрения важно оглянуться назад и понять, как развивались эти технологии. В этой статье мы рассмотрим эволюцию обнаружения объектов и проследим преобразование моделей YOLO (смотришь только один раз). Начнём!

Истоки компьютерного зрения#

Прежде чем перейти к обнаружению объектов, давай посмотрим, с чего начиналось 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 Визел обнаружили, что мозг реагирует на простые шаблоны, например края и линии. Это заложило основу идеи извлечения признаков — концепции, согласно которой зрительные системы сначала обнаруживают и распознают базовые признаки изображений, такие как края, а затем переходят к более сложным шаблонам.

Рис. 1. Изучение реакции мозга кошки на световые полосы помогло развить извлечение признаков в компьютерном зрении.

Примерно в то же время появилась новая технология, способная преобразовывать физические изображения в цифровой формат, что вызвало интерес к тому, как машины могут обрабатывать визуальную информацию. В 1966 году Проект летнего компьютерного зрения Массачусетского технологического института (MIT) продвинул эти исследования ещё дальше. Хотя проект не достиг полного успеха, его целью было создание системы, способной отделять передний план от фона на изображениях. Для многих представителей сообщества специалистов по ИИ в области компьютерного зрения этот проект считается официальной отправной точкой компьютерного зрения как научной дисциплины.

История развития обнаружения объектов#

По мере развития компьютерного зрения в конце 1990-х и начале 2000-х годов методы обнаружения объектов перешли от простых техник, таких как сопоставление с шаблоном, к более продвинутым подходам. Одним из популярных методов стал каскад Хаара, который широко применялся для таких задач, как обнаружение лиц. Он сканировал изображения с помощью скользящего окна, проверяя в каждом фрагменте такие признаки, как края или текстуры, а затем объединял их, чтобы обнаруживать объекты, например лица. Каскад Хаара работал значительно быстрее предыдущих методов.

Рис. 2. Использование каскада Хаара для обнаружения лиц.

Одновременно появились такие методы, как гистограмма ориентированных градиентов (HOG) и метод опорных векторов (SVMs). HOG использовал технику скользящего окна, чтобы анализировать изменения света и теней на небольших участках изображения, помогая определять объекты по их форме. Затем SVMs классифицировали эти признаки, чтобы определить объект. Эти методы повысили точность, но по-прежнему плохо работали в реальных условиях и были медленнее современных технологий.

Необходимость обнаружения объектов в реальном времени#

В 2010-х годах развитие глубокого обучения и свёрточных нейронных сетей (CNNs) привело к серьёзным изменениям в обнаружении объектов. CNNs 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, помогая точнее определять объекты, чем старые методы.

Однако эти модели работали медленно, поскольку обрабатывали изображения в несколько этапов, что делало их непрактичными для приложений реального времени, например беспилотных автомобилей или видеонаблюдения.

Стремясь ускорить обработку, разработчики создали более эффективные модели. Такие модели, как Fast R-CNN и Faster R-CNN, улучшили выбор областей интереса и сократили количество этапов, необходимых для обнаружения. Хотя это ускорило обнаружение объектов, скорости всё ещё было недостаточно для многих приложений в реальных условиях, которым требовались мгновенные результаты. Растущий спрос на обнаружение в реальном времени стимулировал разработку ещё более быстрых и эффективных решений, способных сочетать скорость и точность.

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

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

YOLO — это модель обнаружения объектов, которая изменила компьютерное зрение, обеспечив обнаружение нескольких объектов на изображениях и в видео в реальном времени и заметно отличаясь от прежних методов обнаружения. Вместо отдельного анализа каждого обнаруженного объекта архитектура YOLO рассматривает обнаружение объектов как единую задачу, одновременно предсказывая их местоположение и класс с помощью CNNs.

Модель разделяет изображение на сетку, где каждая часть отвечает за обнаружение объектов в своей области. Для каждого фрагмента она делает несколько предсказаний и отбрасывает результаты с низкой уверенностью, оставляя только точные.

Рис. 4. Обзор принципа работы YOLO.

Появление YOLO в приложениях компьютерного зрения сделало обнаружение объектов значительно быстрее и эффективнее по сравнению с более ранними моделями. Благодаря скорости и точности YOLO быстро стал популярным выбором для решений реального времени в таких отраслях, как производство, здравоохранение и робототехника.

Важно отметить и то, что благодаря открытым исходным кодам YOLO разработчики и исследователи могли постоянно улучшать модель, создавая ещё более продвинутые версии.

Путь от YOLO к Ultralytics YOLO11#

Модели YOLO постоянно совершенствовались, развивая достижения каждой предыдущей версии. Помимо повышения производительности, эти улучшения сделали модели удобнее для людей с разным уровнем технического опыта.

Например, после появления Ultralytics YOLOv5 развёртывание моделей с PyTorch стало проще, благодаря чему работать с передовыми технологиями AI смогло больше пользователей. Модель объединила точность и удобство, позволив большему числу людей внедрять обнаружение объектов без глубоких навыков программирования.

Рис. 5. Эволюция моделей YOLO.

Ultralytics YOLOv8 продолжила этот прогресс, добавив поддержку таких задач, как сегментация экземпляров, и сделав модели более гибкими. Использовать YOLO как для простых, так и для более сложных приложений стало легче, что сделало модель полезной в самых разных сценариях.

В последней модели, Ultralytics YOLO11, появились дополнительные оптимизации. Благодаря сокращению числа параметров при одновременном повышении точности модель стала эффективнее для задач реального времени. Будь ты опытным разработчиком или только начинаешь знакомиться с AI, YOLO11 предлагает продвинутый и доступный подход к обнаружению объектов.

Знакомство с Ultralytics YOLO11: новые функции и улучшения#

YOLO11, представленная на ежегодном гибридном мероприятии Ultralytics, YOLO Vision 2024 (YV24), поддерживает те же задачи компьютерного зрения, что и YOLOv8: обнаружение объектов, сегментацию экземпляров, классификацию изображений и оценку позы. Поэтому ты можешь легко перейти на эту новую модель без изменения рабочих процессов. Кроме того, обновлённая архитектура YOLO11 делает предсказания ещё точнее. Например, YOLO11m достигает более высокого среднего значения 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. Такая гибкость обеспечивает стабильную производительность на разных аппаратных конфигурациях в приложениях реального времени. Кроме того, YOLO11 работает быстрее и эффективнее, снижая вычислительные затраты и сокращая время инференса. Используешь ли ты пакет Ultralytics для Python или Ultralytics HUB без программирования, интегрировать YOLO11 в существующие рабочие процессы легко.

Будущее моделей YOLO и обнаружения объектов#

Влияние продвинутого обнаружения объектов на приложения реального времени и периферийный AI уже ощущается в разных отраслях. По мере того как такие сферы, как нефтегазовая отрасль, здравоохранение и розничная торговля, всё активнее полагаются на AI, спрос на быстрое и точное обнаружение объектов продолжает расти. Ultralytics YOLO11 стремится удовлетворить этот спрос, обеспечивая высокопроизводительное обнаружение даже на устройствах с ограниченными вычислительными ресурсами.

По мере развития периферийного AI такие модели обнаружения объектов, как Ultralytics YOLO11, вероятно, станут ещё важнее для принятия решений в реальном времени в средах, где критичны скорость и точность. Благодаря постоянным улучшениям архитектуры и адаптивности будущее обнаружения объектов, вероятно, принесёт ещё больше инноваций в самых разных приложениях.

Основные выводы#

Обнаружение объектов прошло долгий путь: от простых методов до передовых технологий глубокого обучения, которые мы видим сегодня. Модели YOLO стали основой этого прогресса, обеспечив более быстрое и точное обнаружение в реальном времени в разных отраслях. Ultralytics YOLO11 развивает это наследие, повышая эффективность, снижая вычислительные затраты и улучшая точность, что делает её надёжным выбором для самых разных приложений реального времени. Благодаря постоянному развитию AI и компьютерного зрения будущее обнаружения объектов выглядит многообещающим и открывает возможности для дальнейших улучшений скорости, точности и адаптивности.

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