Phát hiện hộp giới hạn xoay (OBB) là gì?

Con người có khả năng nhận diện vật thể một cách tự nhiên, bất kể chúng được sắp xếp ra sao hay quay về hướng nào. Dù là ô tô ở giao lộ hay thuyền trong bến cảng, chúng ta đều dễ dàng nhận biết đó là gì và chúng hướng về phía nào. Tuy nhiên, với các hệ thống trí tuệ nhân tạo (AI), việc này không đơn giản như vậy.

Ví dụ, thị giác máy tính, một nhánh của AI tập trung vào việc hiểu hình ảnh và video, cho phép thực hiện các tác vụ như phát hiện đối tượng, giúp máy móc nhận diện và xác định vị trí vật thể trong một cảnh. Phương pháp phát hiện đối tượng truyền thống dựa vào bounding box căn chỉnh theo trục để khoanh vùng đối tượng. Các box này có cạnh thẳng và góc vuông cố định. Cách tiếp cận này hoạt động tốt khi đối tượng nằm thẳng và không quá gần nhau.

Tuy nhiên, khi các đối tượng nghiêng, xoay hoặc nằm gần nhau, phương pháp phát hiện đối tượng truyền thống thường khó định vị chúng chính xác. Để xử lý những tình huống phức tạp hơn, các kỹ thuật như phát hiện bounding box định hướng (OBB) đã được phát triển. Khác với bounding box tiêu chuẩn, OBB có thể xoay để khớp với góc và hình dạng của đối tượng, nhờ đó bao sát và chính xác hơn.

Các model thị giác máy tính như Ultralytics YOLO11, hỗ trợ phát hiện OBB, cho phép triển khai nhiều ứng dụng thời gian thực, đặc biệt trong những tình huống cần quan tâm đến hướng của đối tượng, chẳng hạn như giám sát trên không. Ngoài ra, phát hiện OBB còn được sử dụng trong chăm sóc sức khỏe, nông nghiệp và phân tích tài liệu.

Trong bài viết này, chúng ta sẽ tìm hiểu phát hiện OBB là gì, hoạt động như thế nào và được ứng dụng trong những tình huống thực tế nào.

Hình 1. Ví dụ demo sử dụng YOLO11 để phát hiện OBB đối với thuyền.

Bounding box định hướng là gì?#

Bounding box định hướng là một loại box hình chữ nhật được sử dụng trong thị giác máy tính để biểu diễn các đối tượng được phát hiện trong ảnh. Trong khi bounding box tiêu chuẩn căn chỉnh theo trục ngang và dọc của ảnh, OBB có thể xoay để khớp với góc thực tế của đối tượng.

Khả năng xoay này mang lại một số lợi ích. OBB có thể căn chỉnh sát hơn với hướng của đối tượng, cho phép box ôm khít hình dạng và hướng của vật thể. Nhờ đó, kết quả phát hiện chính xác hơn.

OBB đặc biệt hữu ích khi đối tượng không nằm thẳng hoàn toàn, chẳng hạn như ô tô rẽ trên đường cong trong cảnh quay từ trên không, quyển sách đặt nghiêng trên bàn hoặc khối u xoay trong ảnh quét y tế. Bằng cách khớp chính xác hơn với góc của đối tượng, OBB cải thiện hiệu suất phát hiện, giảm nhiễu từ nền và đặc biệt phù hợp với các ứng dụng mà hướng của đối tượng quan trọng không kém vị trí.

Hình 2. So sánh phát hiện đối tượng và phát hiện OBB.

Phát hiện OBB và phát hiện đối tượng#

Thoạt nhìn, phát hiện OBB và phát hiện đối tượng truyền thống có thể giống nhau, nhưng chúng được sử dụng theo những cách khác nhau và cho những tình huống khác nhau. Hãy cùng tìm hiểu kỹ hơn sự khác biệt qua một ví dụ.

Các model thị giác máy tính, như YOLO11, có thể được huấn luyện để phát hiện và phân loại đối tượng trong nhiều ứng dụng thực tế, chẳng hạn như kiểm tra công nghiệp. Hãy xem xét một dây chuyền lắp ráp trong nhà máy, nơi các bộ phận máy móc khác nhau di chuyển trên băng chuyền. Một số bộ phận có thể được đặt ngay ngắn, nhưng những bộ phận khác có thể xoay nhẹ, nghiêng hoặc chồng lên nhau do rung động hay tốc độ di chuyển.

Phương pháp phát hiện đối tượng truyền thống sử dụng các box hình chữ nhật dựng thẳng, căn chỉnh theo cạnh ngang và dọc của ảnh. Vì vậy, khi một bộ phận bị xoay, box có thể không vừa khít: box có thể bỏ sót một phần đối tượng hoặc bao gồm quá nhiều nền. Điều này khiến kết quả phát hiện kém chính xác hơn và hệ thống khó nhận diện chắc chắn bộ phận đó.

Giờ hãy thử dùng phát hiện OBB. Trong trường hợp này, model có thể vẽ một box xoay để khớp chính xác với góc của từng bộ phận. Bánh răng nghiêng hoặc linh kiện đặt chéo sẽ được bao sát bởi box khớp với hình dạng và hướng của chúng. Điều này giúp tăng độ chính xác, giảm lỗi và mang lại kết quả đáng tin cậy hơn, đặc biệt trong các trường hợp sử dụng như kiểm soát chất lượng tự động hoặc phân loại bằng robot.

Các model phát hiện OBB phổ biến#

Giờ đây khi đã hiểu rõ hơn phát hiện OBB là gì, hãy cùng tìm hiểu một số model Vision AI được sử dụng rộng rãi nhất có hỗ trợ tính năng này.

Một số model thị giác máy tính tiên tiến được phát triển chuyên biệt để phát hiện các đối tượng bị xoay hoặc nghiêng. Trong số đó, các model Ultralytics YOLO đặc biệt nổi tiếng nhờ khả năng phát hiện OBB hiệu quả và đáng tin cậy.

Các phiên bản trước như Ultralytics YOLOv5 được thiết kế cho tác vụ phát hiện đối tượng tiêu chuẩn. Các phiên bản sau, chẳng hạn như Ultralytics YOLOv8 và YOLO11 mới hơn (sau đó được thay thế bởi Ultralytics YOLO26), đã bổ sung hỗ trợ gốc cho phát hiện OBB. Đặc biệt, YOLO11 mang lại độ chính xác tiên tiến nhất mà không ảnh hưởng đến tốc độ, trở thành lựa chọn hiệu quả cho các ứng dụng thời gian thực.

Các model YOLO11 OBB được huấn luyện trước, chẳng hạn như YOLO11n-obb, được huấn luyện trên các bộ dữ liệu như DOTAv1, gồm các ảnh chụp từ trên không được gán nhãn với nhiều lớp đối tượng như máy bay, tàu và sân tennis xuất hiện ở nhiều góc và hướng khác nhau.

Ngoài ra, các model này có năm kích thước khác nhau, từ nano (n-obb) đến extra-large (x-obb), đáp ứng các nhu cầu hiệu năng khác nhau. Tính linh hoạt này cho phép ứng dụng model trong nhiều ngành, từ giám sát cơ sở hạ tầng đô thị và kiểm tra máy móc đến đọc văn bản bị lệch trong tài liệu được quét.

Huấn luyện tùy chỉnh Ultralytics YOLO11 để phát hiện bounding box định hướng#

Trong nhiều tình huống thực tế, các đối tượng cần phát hiện có thể hoàn toàn khác với những đối tượng trong dataset huấn luyện tiêu chuẩn. Ví dụ, các vật thể như dụng cụ trên dây chuyền sản xuất, bao bì sản phẩm hoặc linh kiện trên bo mạch có thể bị xoay, đặt không theo trật tự hoặc có hình dạng khác nhau.

Để phát hiện chính xác các đối tượng tùy chỉnh này, đặc biệt khi hướng của chúng quan trọng, điều cần thiết là huấn luyện các model như Ultralytics YOLO11 bằng hình ảnh và nhãn của riêng bạn. Quy trình này được gọi là huấn luyện tùy chỉnh.

Dưới đây là quy trình từng bước để huấn luyện Ultralytics YOLO11 phát hiện OBB:

• Thu thập hình ảnh: Tập hợp hình ảnh thể hiện các đối tượng mục tiêu từ nhiều góc độ, vị trí và môi trường thực tế khác nhau.
• Gán nhãn đối tượng: Gán nhãn từng đối tượng bằng bounding box xoay (OBB) để ghi nhận cả vị trí lẫn hướng của chúng, sử dụng các công cụ gán nhãn hỗ trợ OBB.
• Chuẩn bị bộ dữ liệu: Sắp xếp ảnh và nhãn theo định dạng bộ dữ liệu YOLO OBB, rồi tạo tệp cấu hình YAML chứa tên các lớp và đường dẫn đến bộ dữ liệu.
• Huấn luyện model: Chọn phiên bản model Ultralytics YOLO11 phù hợp với nhu cầu, rồi chạy quy trình huấn luyện để model học từ các hình ảnh đã gán nhãn.
• Đánh giá và triển khai: Kiểm tra model đã huấn luyện trên hình ảnh mới, đánh giá độ chính xác và triển khai vào các ứng dụng thực tế như sản xuất, giám sát trên không hoặc phân tích tài liệu.

Các ứng dụng hỗ trợ bởi phát hiện OBB#

Các đối tượng nằm lệch tâm hoặc nghiêng khá phổ biến trong các tình huống thực tế. Hãy cùng xem một vài ví dụ cho thấy khả năng phát hiện OBB tạo ra khác biệt rõ rệt nhờ phát hiện chính xác các đối tượng này.

Phân tích ảnh X-quang bằng phát hiện OBB#

Phát hiện OBB có thể nâng cao hơn nữa phân tích ảnh y tế bằng cách cải thiện độ chính xác. Ảnh y tế thường chứa các cấu trúc giải phẫu như khối u, cơ quan hoặc xương. Những cấu trúc này thường có hình dạng không đều và nhiều hướng khác nhau. Vì OBB có thể xoay để khớp với góc của đối tượng, chúng giúp định vị và đo lường chính xác hơn, yếu tố rất quan trọng đối với chẩn đoán và lập kế hoạch điều trị.

Phương pháp này đặc biệt hiệu quả khi phân tích ảnh X-quang về gãy xương, trong đó vị trí và sự thẳng hàng của xương là những yếu tố then chốt. Ví dụ, phát hiện OBB đã được sử dụng để phân tích ảnh X-quang khuỷu tay trẻ em. Bằng cách điều chỉnh theo hướng của xương, phương pháp này giúp cải thiện độ chính xác phát hiện.

Hình 3. Ảnh X-quang (a, d) với phát hiện đối tượng (b, e) và phát hiện hộp giới hạn định hướng (c, f).

Giám sát trên không với phát hiện OBB#

Giám sát trên không là công cụ thiết yếu trong các lĩnh vực như an toàn công cộng, giám sát môi trường và quy hoạch đô thị. Hình ảnh được chụp từ drone hoặc vệ tinh có thể giúp nhận dạng các đối tượng như tàu thuyền, phương tiện và tòa nhà. Tuy nhiên, trong những hình ảnh này, các đối tượng thường có kích thước nhỏ và xuất hiện ở những góc bất thường, khiến việc phát hiện chính xác trở nên khó khăn hơn.

Phát hiện OBB giải quyết vấn đề này bằng cách nghiêng các hộp giới hạn để khớp với góc của từng đối tượng. Nhờ đó, kích thước và hướng của đối tượng được đo chính xác hơn, hỗ trợ ra quyết định tốt hơn trong các lĩnh vực như quy hoạch đô thị, quốc phòng, ứng phó thảm họa và giám sát môi trường.

Một ví dụ thú vị về phát hiện OBB là theo dõi tàu thuyền trong giám sát hàng hải. Ảnh vệ tinh thường ghi lại tàu thuyền ở nhiều góc và kích thước khác nhau do thời tiết, ánh sáng hoặc chuyển động. OBB có thể thích ứng với những thay đổi này, cải thiện khả năng phát hiện, đặc biệt với tàu nhỏ hoặc bị che khuất một phần.

Hình 4. Tổng quan về việc sử dụng phát hiện OBB trong giám sát hàng hải.

Ứng dụng phát hiện OBB trong nông nghiệp#

Phân loại nông sản sau thu hoạch là bước quan trọng để đảm bảo chất lượng trước khi đóng gói và đưa ra thị trường. Nhiều hệ thống hoạt động hiệu quả với các loại quả tròn như táo và cam, nhưng các loại nông sản dài, hẹp như cà rốt hoặc măng niễng thường khó xử lý hơn nhiều. Hình dạng của chúng đa dạng và thường nằm ở nhiều góc khác nhau, khiến việc phát hiện và phân loại chính xác trở nên khó khăn.

Để giải quyết vấn đề này, các nhà nghiên cứu đã phát triển một hệ thống sử dụng tính năng phát hiện hộp giới hạn định hướng (OBB) để nhận diện và phân loại các loại cây trồng này chính xác hơn. Hệ thống có thể phát hiện nhiều loại cây trồng trong một ảnh, kể cả khi chúng nghiêng hoặc chồng lấn, đồng thời đánh giá chất lượng và vị trí của chúng theo thời gian thực.

Ưu và nhược điểm của phát hiện OBB#

Dưới đây là một số lợi ích của việc sử dụng phát hiện OBB:

• Cải thiện đầu vào cho các tác vụ tiếp theo: Các tác vụ thị giác máy tính như phân đoạn instance và theo dõi đối tượng có thể hoạt động tốt hơn khi được cung cấp kết quả phát hiện đối tượng chính xác hơn.
• Tăng cường khả năng suy luận không gian: Bằng cách nắm bắt góc định hướng, OBB giúp xác định độ thẳng hàng và hướng của đối tượng.
• Giảm chồng lấp trong cảnh đông đúc: OBB giảm sự mơ hồ bằng cách khớp sát hơn với đối tượng, kể cả trong cảnh đông đúc hoặc lộn xộn.

Dù giúp cải thiện độ chính xác phát hiện trong các cảnh phức tạp, phát hiện OBB vẫn có một số hạn chế cần cân nhắc:

• Nhạy hơn với nhiễu: Sai số nhỏ trong dự đoán góc có thể ảnh hưởng lớn hơn đến độ chính xác phát hiện, đặc biệt với các đối tượng nằm sát nhau hoặc có hình dạng thuôn dài.
• Cần công cụ chuyên biệt: Vì không phải nền tảng gán nhãn và huấn luyện nào cũng hỗ trợ OBB sẵn có, việc sử dụng OBB có thể đòi hỏi thêm công cụ hoặc cấu hình.
• Nguồn dataset còn hạn chế: So với phát hiện đối tượng tiêu chuẩn, hiện có ít dataset công khai được gán nhãn OBB hơn, khiến việc bắt đầu hoặc so sánh kết quả có thể khó khăn hơn đôi chút.

Điểm chính cần ghi nhớ#

Phát hiện hộp giới hạn định hướng giúp các giải pháp thị giác máy tính dễ nhận dạng hơn những đối tượng không nằm thẳng hoặc không thẳng hàng hoàn hảo. Bằng cách ghi nhận cả vị trí lẫn hướng của đối tượng, phát hiện OBB cải thiện độ chính xác trong các ứng dụng thực tế như quét ảnh y tế, giám sát đất nông nghiệp hoặc phân tích ảnh vệ tinh.

Với các model như Ultralytics YOLO11 giúp phát hiện OBB trở nên dễ tiếp cận hơn, phương pháp này đang trở thành lựa chọn thiết thực trong nhiều ngành. Dù xử lý đối tượng nghiêng, chồng lấp hay có hình dạng bất thường, phát hiện OBB đều bổ sung một lớp độ chính xác mà các phương pháp tiêu chuẩn thường bỏ sót.

Bạn quan tâm đến AI? Khám phá kho GitHub của chúng tôi, kết nối với cộng đồng của chúng tôi và tìm hiểu các tùy chọn cấp phép của chúng tôi để bắt đầu dự án thị giác máy tính. Tìm hiểu thêm về các đổi mới như AI trong ngành bán lẻ và thị giác máy tính trong ngành logistics trên các trang giải pháp của chúng tôi.