Что такое обнаружение ориентированной граничной коробки (OBB)?

Что такое ориентированная ограничительная рамка?

Ориентированная ограничительная рам ка - это тип прямоугольной рамки, используемой в компьютерном зрении для представления обнаруженных объектов на изображении. В то время как стандартные ограничительные рамки выровнены по горизонтальной и вертикальной осям изображения, OBB могут поворачиваться в соответствии с реальным углом объекта.

Возможность поворота дает несколько преимуществ. OBB могут более точно соответствовать ориентации объекта, позволяя коробке плотно прилегать к форме и направлению объекта. В результате обнаружение становится более точным и аккуратным.

OBB особенно полезны, когда объекты расположены не совсем вертикально, например, автомобиль, поворачивающий на извилистой дороге при съемке с воздуха, наклонная книга на столе или повернутая опухоль при медицинском сканировании. Благодаря более точному соответствию углу наклона объекта, БДБ повышают эффективность обнаружения, снижают фоновые помехи и особенно полезны для приложений, в которых ориентация объекта имеет такое же значение, как и его положение.

‍

Обнаружение OBB по сравнению с обнаружением объектов

Обнаружение OBB и традиционное обнаружение объектов могут показаться на первый взгляд похожими, но они используются по-разному и в разных ситуациях. Давайте рассмотрим их сравнение на примере.

Модели компьютерного зрения, такие как YOLO11, могут быть обучены обнаруживать и классифицировать объекты в различных реальных приложениях, например, в промышленной инспекции. Рассмотрим заводскую сборочную линию, где по конвейеру движутся различные детали машин. Некоторые детали могут быть расположены аккуратно, но другие могут быть слегка повернуты, наклонены или перекрывать друг друга из-за вибрации или скорости.

При традиционном обнаружении объектов используются вертикальные прямоугольные рамки, которые выравниваются по горизонтали и вертикали изображения. Поэтому, когда деталь поворачивается, коробка может не подойти должным образом - она может оставить часть объекта или включить слишком много фона. Это может сделать обнаружение менее точным, и системе будет сложнее уверенно идентифицировать деталь.

Теперь предположим, что вместо этого вы используете обнаружение OBB. В этом случае модель может нарисовать коробку, которая поворачивается в соответствии с точным углом каждой детали. Наклоненная шестеренка или деталь, расположенная под углом, будет плотно окружена коробкой, которая соответствует ее форме и направлению. Это означает более высокую точность, меньшее количество ошибок и более надежные результаты, особенно в таких случаях, как автоматизированный контроль качества или роботизированная сортировка.

Популярные модели обнаружения OBB

Теперь, когда мы лучше понимаем, что такое обнаружение OBB, давайте рассмотрим некоторые из наиболее широко используемых моделей искусственного интеллекта Vision, которые его поддерживают.

Специально для обнаружения повернутых или наклонных объектов было разработано несколько передовых моделей компьютерного зрения. Среди них модели Ultralytics YOLO, особенно известные своей надежностью и эффективностью в обнаружении БДБ.

Ранние версии, такие как Ultralytics YOLOv5, были предназначены для стандартного обнаружения объектов. В более поздних версиях, таких как Ultralytics YOLOv8 и более новая YOLO11, появилась встроенная поддержка обнаружения OBB. YOLO11, в частности, предлагает самую современную точность без ущерба для скорости, что делает его эффективным вариантом для приложений, работающих в режиме реального времени.

Предварительно обученные модели YOLO11 OBB, такие как YOLO11n-obb, обучаются на таких наборах данных, как DOTAv1, который состоит из аэрофотоснимков, аннотированных различными классами объектов, такими как самолеты, корабли и теннисные корты, которые появляются под разными углами и в разных ориентациях. 

Кроме того, эти модели выпускаются в пяти различных размерах - от нано (n-obb) до сверхбольших (x-obb) - для удовлетворения различных потребностей в производительности. Такая универсальность позволяет применять их в различных отраслях - от мониторинга городской инфраструктуры и осмотра техники до чтения искаженного текста в отсканированных документах.

Пользовательское обучение YOLO11 для определения ориентированных ограничительных рамок

Во многих реальных ситуациях объекты, которые необходимо обнаружить, могут полностью отличаться от объектов в стандартных обучающих наборах данных. Например, такие объекты, как инструменты на производственной линии, упаковки товаров или компоненты на печатной плате, могут быть повернуты, неправильно расположены или иметь другую форму. 

Для точного обнаружения таких пользовательских объектов, особенно когда ориентация имеет значение, важно обучать модели, подобные YOLO11, используя ваши собственные изображения и метки. Этот процесс известен как пользовательское обучение. 

Вот подробный обзор пошагового процесса обучения YOLO11 обнаружению OBB:

• Сбор изображений: Соберите изображения, демонстрирующие целевые объекты под разными углами, в разных положениях и в реальной обстановке.
  ‍
• Аннотация объектов: Пометьте каждый объект с помощью повернутых ограничительных коробок (ОБК), чтобы зафиксировать его местоположение и ориентацию, используя инструменты аннотирования с поддержкой ОБК.
  ‍
• Подготовка наборов данных: Организуйте изображения и метки в структуре каталогов YOLO и создайте конфигурационный файл YAML с именами классов и путями к наборам данных.
  ‍
• Обучение модели: Выберите версию модели YOLO11, которая соответствует вашим потребностям, и запустите процесс обучения, чтобы модель могла обучаться на ваших помеченных изображениях.
  ‍
• Оценка и развертывание: Протестируйте обученную модель на новых изображениях, оцените ее точность и примените в практических приложениях, таких как производство, воздушное наблюдение или анализ документов.

Приложения, поддерживаемые обнаружением OBB

Объекты, смещенные от центра или наклоненные, довольно часто встречаются в реальных сценариях. Давайте рассмотрим несколько примеров, когда обнаружение OBB дает реальную пользу, точно определяя такие объекты.

Анализ рентгеновских изображений с помощью обнаружения OBB

Обнаружение OBB может сделать анализ медицинских изображений еще одним шагом вперед, повысив точность. Медицинские изображения часто содержат анатомические структуры, такие как опухоли, органы или кости. Эти структуры часто имеют неправильную форму и различную ориентацию. Поскольку БДП могут поворачиваться в соответствии с углом наклона объекта, они обеспечивают более точную локализацию и измерение, что очень важно для диагностики и планирования лечения.

Этот подход особенно эффективен при анализе рентгеновских снимков переломов костей, где ключевыми факторами являются положение и выравнивание костей. Например, обнаружение OBB было использовано для анализа рентгеновских снимков локтевых суставов у детей. Подстраиваясь под ориентацию костей, он помог повысить точность обнаружения. 

‍

Воздушное наблюдение с функцией обнаружения БДП

Аэросъемка - важный инструмент в таких сферах, как общественная безопасность, экологический мониторинг и градостроительство. Изображения, полученные с помощью беспилотников или спутников, помогают идентифицировать такие объекты, как корабли, автомобили и здания. Однако на таких изображениях объекты часто выглядят маленькими и расположены под необычными углами, что затрудняет их точное обнаружение.

Обнаружение OBB решает эту проблему, наклоняя ограничивающие рамки в соответствии с углом наклона каждого объекта. Это приводит к более точным измерениям размера и ориентации объекта, что способствует принятию более эффективных решений в таких областях, как городское планирование, оборона, реагирование на стихийные бедствия и мониторинг окружающей среды.

Интересным примером обнаружения OBB является отслеживание судов в морском наблюдении. На спутниковых снимках корабли часто запечатлены под разными углами и с разными размерами из-за погоды, освещения или движения. БДБ могут адаптироваться к этим изменениям, улучшая обнаружение, особенно небольших или частично скрытых судов.

‍

Плюсы и минусы обнаружения OBB

Вот некоторые преимущества использования функции обнаружения OBB:

• Улучшение входных данных для последующих задач: Задачи компьютерного зрения, такие как сегментация объектов и отслеживание объектов, могут работать лучше, если им дается более точное обнаружение объектов.
  
  
• Улучшенное пространственное мышление: Захватывая угол ориентации, OBB позволяют понять расположение и направление объекта.
  
  
• Уменьшение дублирования в переполненных сценах: OBB уменьшают неоднозначность благодаря более плотному прилеганию объектов даже в загруженных или загроможденных сценах.

Несмотря на то, что обнаружение OBB помогает повысить точность обнаружения в сложных сценах, оно имеет ряд ограничений, которые необходимо учитывать:

• Повышенная чувствительность к шуму: Небольшие ошибки в предсказании угла могут оказывать большее влияние на точность обнаружения, особенно для плотно упакованных или вытянутых объектов.
  ‍
• Требуются специализированные инструменты: Поскольку не все платформы для маркировки и обучения изначально поддерживают OBB, для работы с ними могут потребоваться дополнительные инструменты или настройка.
  
  
• Ограниченная доступность наборов данных: По сравнению со стандартным обнаружением объектов, в настоящее время существует меньше общедоступных наборов данных с аннотациями OBB, что может несколько усложнить начало работы и сравнение результатов.

Основные выводы

Определение ориентированных ограничительных рамок облегчает решениям для компьютерного зрения распознавание объектов, которые не являются идеально прямыми или выровненными. Захватывая положение и ориентацию объектов, обнаружение OBB повышает точность распознавания в реальных условиях, например при сканировании медицинских изображений, мониторинге сельскохозяйственных угодий или анализе спутниковых фотографий.

Благодаря таким моделям, как YOLO11, обнаружение OBB становится все более доступным, и это становится практичным выбором для многих отраслей. Если вы имеете дело с наклонными, перекрывающимися или странной формы объектами, обнаружение OBB добавляет дополнительный уровень точности, который стандартные методы часто упускают.

Любопытно узнать об искусственном интеллекте? Изучите наш репозиторий GitHub, общайтесь с нашим сообществом и ознакомьтесь с нашими вариантами лицензирования, чтобы начать свой проект по компьютерному зрению. Узнайте больше о таких инновациях, как ИИ в розничной торговле и компьютерное зрение в логистической отрасли, на страницах наших решений.