Object Detection Architectures
Узнай об архитектурах обнаружения объектов — от базовых сетей до голов. Разберись, как Ultralytics YOLO26 обеспечивает высочайшие скорость и точность для компьютерного зрения в реальном времени.
Архитектуры обнаружения объектов — это структурные схемы нейронных сетей, которые находят объекты и определяют их местоположение в визуальных данных. В более широкой области компьютерного зрения (CV) архитектуры определяют, как машина «видит», преобразуя необработанные пиксельные данные в полезную информацию. В отличие от простых моделей классификации, которые лишь присваивают изображению метку, архитектура обнаружения объектов для каждого найденного объекта выдает ограничивающую рамку, метку класса и оценку уверенности. От архитектуры зависят скорость, точность и вычислительная эффективность модели, поэтому она играет решающую роль при выборе модели для инференса в реальном времени или высокоточного анализа.
Основные компоненты архитектуры#
Хотя конкретные конструкции различаются, большинство современных архитектур состоит из трех основных компонентов: бэкбона, шеи и головы. Бэкбон служит основным экстрактором признаков. Обычно это сверточная нейронная сеть (CNN), предварительно обученная на большом наборе данных, например ImageNet, которая распознает базовые формы, контуры и текстуры. Среди популярных бэкбонов — ResNet и CSPDarknet.
Шея соединяет бэкбон с выходными слоями. Она объединяет признаки с разных этапов работы бэкбона, чтобы модель могла обнаруживать объекты разных размеров. Это называется объединением признаков на разных масштабах. В этой части архитектуры часто используют сеть пирамиды признаков (FPN) или сеть агрегации путей (PANet), чтобы обогатить семантическую информацию, передаваемую слоям предсказания. Наконец, голова обнаружения обрабатывает объединенные признаки, чтобы предсказать конкретный класс и координаты каждого объекта.
Эволюция: двухэтапные и одноэтапные детекторы#
Исторически архитектуры делились на две основные категории. Двухэтапные детекторы, например семейство R-CNN, сначала предлагают области интереса (RoI), в которых могут находиться объекты, а затем на втором этапе классифицируют эти области. Обычно они точны, но часто требуют слишком много вычислительных ресурсов для граничных устройств.
В отличие от них, одноэтапные детекторы рассматривают обнаружение объектов как простую задачу регрессии: за один проход они напрямую преобразуют пиксели изображения в координаты ограничивающих рамок и вероятности классов. Такой подход, впервые реализованный в семействе YOLO (You Only Look Once), произвел революцию в отрасли, сделав возможной работу в реальном времени. Последующие усовершенствования привели к появлению таких моделей, как YOLO26: они не только работают быстрее, но и используют сквозные архитектуры без NMS. Отказ от постобработки с помощью подавления немаксимумов (NMS) уменьшает вариативность задержки, что особенно важно для систем, критичных к безопасности.
Примеры применения в реальных условиях#
Выбор архитектуры напрямую влияет на успешность решений на основе ИИ в разных отраслях.
- Автоматизация розничной торговли: В умных супермаркетах эффективные одноэтапные архитектуры помогают создавать системы автоматической оплаты, которые мгновенно распознают товары на конвейерной ленте или в тележке, сокращая время ожидания и количество ошибок, связанных с человеческим фактором.
- Медицинская диагностика: Высокоточные архитектуры используют для анализа медицинских изображений, чтобы обнаруживать аномалии, например опухоли на рентгеновских снимках или МРТ. В таких задачах способность архитектуры сохранять мелкие детали важнее высокой скорости обработки.
Различия между близкими терминами#
Важно отличать архитектуры обнаружения объектов от архитектур для похожих задач компьютерного зрения:
- В сравнении с классификацией изображений: Архитектура классификации изображений, например VGG или EfficientNet, присваивает всему изображению одну метку (например, «кошка»). Она не указывает, где находится кошка и есть ли на изображении несколько кошек. В этом и заключается основная функция архитектур обнаружения объектов.
- В сравнении с сегментацией экземпляров: Обнаружение объектов заключает объект в рамку, а сегментация экземпляров точно выделяет каждый объект на уровне пикселей с помощью маски. Архитектуры сегментации часто представляют собой расширения архитектур обнаружения объектов, например с дополнительной ветвью масок в голове обнаружения.
Реализация с Ultralytics#
Современные фреймворки скрывают сложности этих архитектур, позволяя разработчикам использовать передовые решения с минимальным количеством кода. С помощью пакета ultralytics можно загрузить предварительно обученную модель YOLO26 и сразу запустить инференс. Командам, которым нужно управлять наборами данных и обучать собственные архитектуры в облаке, платформа Ultralytics упрощает весь MLOps-конвейер.
from ultralytics import YOLO
# Загрузи модель YOLO26n (компактная версия для высокой скорости)
model = YOLO("yolo26n.pt")
# Запускаем инференс для источника изображения
# Для обнаружения объектов используется архитектура модели
results = model("https://ultralytics.com/images/bus.jpg")
# Выведи результаты
results[0].show()
