Phát hiện hộp giới hạn định hướng (OBB) là gì?

Đối với con người, việc nhận biết các đối tượng bất kể chúng được sắp xếp như thế nào hay đang hướng về đâu là điều tự nhiên. Dù là ô tô tại giao lộ hay thuyền trong bến cảng, chúng ta có thể dễ dàng nhận ra chúng là gì và đang hướng theo hướng nào. Tuy nhiên, đối với các hệ thống trí tuệ nhân tạo (AI), điều 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, hỗ trợ các tác vụ như phát hiện đối tượng, giúp máy móc nhận diện và xác định vị trí đối tượng trong một cảnh. Phát hiện đối tượng truyền thống dựa vào các hộp giới hạn song song với trục để vẽ khung quanh đối tượng. Các hộp này có cạnh thẳng và các góc vuông cố định. Cách tiếp cận này hoạt động hiệu quả khi các đối tượng đứng thẳng và không quá gần nhau.

Tuy nhiên, khi các đối tượng bị nghiêng, xoay hoặc ở gần nhau, phương pháp phát hiện đối tượng truyền thống thường gặp khó khăn trong việc bao quát chúng một cách chính xác. Để xử lý những tình huống phức tạp hơn này, các kỹ thuật như phát hiện hộp giới hạn định hướng (OBB) đã được giới thiệu. Không giống các hộp giới hạn tiêu chuẩn, OBB có thể xoay để khớp với góc và hình dạng của đối tượng, cho phép bao quanh chặt hơn 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 mà hướng của đối tượng có ý nghĩa quan trọng, chẳng hạn như giám sát trên không. Ngoài ra, phát hiện OBB còn được sử dụng trong lĩnh vực 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, cách thức hoạt động và những ứng dụng trong các tình huống thực tế. Hãy bắt đầu!

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

Hộp giới hạn định hướng là gì?#

Hộp giới hạn định hướng là một loại khung hình chữ nhật được sử dụng trong thị giác máy tính để biểu diễn các đối tượng được phát hiện trong ảnh. Trong khi các hộp giới hạn tiêu chuẩn được căn chỉnh theo các 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 nhiều lợi ích. OBB có thể căn chỉnh sát hơn với hướng của đối tượng, giúp hộp khớp chặt với hình dạng và hướng của đối tượng. Nhờ đó, kết quả phát hiện trở nên chính xác và chuẩn xác hơn.

OBB đặc biệt hữu ích khi các đối tượng không hoàn toàn đứng thẳng, chẳng hạn như một chiếc ô tô đang rẽ trên đường cong trong cảnh quay từ trên không, một quyển sách bị nghiêng trên bàn hoặc một khối u bị 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 nền và đặc biệt phù hợp với các ứng dụng mà hướng của đối tượng quan trọng không kém vị trí của nó.

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 trông tương tự nhau, nhưng chúng được sử dụng theo những cách khác nhau và cho các tình huống khác nhau. Hãy cùng xem xét kỹ hơn sự khác biệt giữa chúng qua một ví dụ.

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

Phát hiện đối tượng truyền thống sử dụng các hộp chữ nhật đứng thẳng, căn chỉnh theo các cạnh ngang và dọc của ảnh. Vì vậy, khi một bộ phận bị xoay, hộp có thể không khớp chính xác — nó 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 khiến hệ thống khó nhận diện bộ phận một cách chắc chắn.

Bây giờ, giả sử bạn sử dụng phát hiện OBB. Trong trường hợp này, model có thể vẽ một hộp xoay để khớp với góc chính xác của từng bộ phận. Một bánh răng bị nghiêng hoặc một linh kiện đặt chếch sẽ được bao quanh chặt bởi một hộp phù hợp với hình dạng và hướng của nó. Điều này mang lại độ chính xác cao hơn, ít lỗi hơn và 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 về phát hiện OBB, hãy cùng xem xét một số model Vision AI được sử dụng rộng rãi nhất và hỗ trợ tính năng này.

Một số model thị giác máy tính tiên tiến đã 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 đáng tin cậy và hiệu quả.

Các phiên bản trước đây như Ultralytics YOLOv5 được thiết kế cho phát hiện đối tượng tiêu chuẩn. Các phiên bản sau đó, như Ultralytics YOLOv8 và YOLO11 mới hơn, đã tích hợp hỗ trợ gốc cho phát hiện OBB. Đặc biệt, YOLO11 cung cấp độ chính xác hiện đại mà không ảnh hưởng đến tốc độ, trở thành một lựa chọn hiệu quả cho các ứng dụng thời gian thực.

Các model YOLO11 OBB được pretrained, chẳng hạn như YOLO11n-obb, được huấn luyện trên các dataset như DOTAv1. Dataset này 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 sẵn với năm kích thước khác nhau, từ nano (n-obb) đến extra-large (x-obb), nhằm đáp ứng các yêu cầu hiệu năng khác nhau. Tính linh hoạt này cho phép áp dụng chúng trong nhiều ngành — từ giám sát hạ tầng đô thị và kiểm tra máy móc đến đọc văn bản bị lệch trong tài liệu quét.

Huấn luyện tùy chỉnh Ultralytics YOLO11 để phát hiện hộp giới hạn định hướng#

Trong nhiều tình huống thực tế, các đối tượng bạn cần phát hiện có thể hoàn toàn khác với những đối tượng trong các dataset huấn luyện tiêu chuẩn. Ví dụ, các đối tượng 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 quy luật hoặc có hình dạng khác nhau.

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

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

• Thu thập hình ảnh: Tập hợp các hình ảnh thể hiện đối tượng mục tiêu từ nhiều góc độ, vị trí và môi trường thực tế khác nhau.
• Gán nhãn đối tượng: Gán nhãn cho từng đối tượng bằng các hộp giới hạn xoay (OBB) để ghi nhận cả vị trí và hướng của chúng, sử dụng các công cụ gán nhãn hỗ trợ OBB.
• Chuẩn bị dataset: Sắp xếp hình ảnh và nhãn theo cấu trúc thư mục YOLO, đồng thời tạo file cấu hình YAML chứa tên các class và đường dẫn đến dataset.
• Huấn luyện model: Chọn phiên bản model Ultralytics YOLO11 phù hợp với nhu cầu, sau đó chạy quy trình huấn luyện để model học từ các hình ảnh đã gán nhãn.
• Đánh giá và triển khai: Kiểm thử model đã huấn luyện trên các hình ảnh mới, đánh giá độ chính xác và triển khai model trong các ứng dụng thực tế như sản xuất, giám sát trên không hoặc phân tích tài liệu.

Các ứng dụng được hỗ trợ bởi phát hiện OBB#

Các đối tượng lệch tâm hoặc bị nghiêng xuất hiện khá phổ biến trong những tình huống thực tế. Hãy cùng xem qua một số ví dụ trong đó phát hiện OBB tạo ra khác biệt rõ rệt nhờ nhận diện chính xác các đối tượng này.

Phân tích ảnh X-quang bằng phát hiện OBB#

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

Cách tiếp cận này đặc biệt hiệu quả khi phân tích ảnh X-quang về tình trạng gãy xương, trong đó vị trí và sự căn chỉnh 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 thích ứng với hướng của xương, phương pháp này đã 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 sự hỗ trợ của phát hiện OBB#

Giám sát trên không là một công cụ thiết yếu trong các lĩnh vực như an toàn công cộng, giám sát môi trường và quy hoạch đô thị. Hình ảnh do drone hoặc vệ tinh chụp có thể giúp xác định các đối tượng như tàu, phương tiện và tòa nhà. Tuy nhiên, trong những hình ảnh này, các đối tượng thường xuất hiện nhỏ và 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. Điều này dẫn đến việc đo kích thước và hướng của đối tượng chính xác hơn, hỗ trợ ra quyết định tốt hơn trong các lĩnh vực như quy hoạch đô thị, quốc phòng, ứng phó thiên tai và giám sát môi trường.

Một ví dụ thú vị về phát hiện OBB là theo dõi tàu trong giám sát hàng hải. Hình ảnh vệ tinh thường ghi lại các con tàu 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 đối với các tàu nhỏ hơn hoặc bị che khuất một phần.

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

Sử dụng phát hiện OBB trong nông nghiệp#

Phân loại nông sản sau thu hoạch là một bước quan trọng để đảm bảo chất lượng trước khi đóng gói và đưa ra thị trường. Mặc dù nhiều hệ thống hoạt động tốt với các loại quả tròn như táo và cam, những nông sản dài và hẹp như cà rốt hoặc mầm Zizania có thể khó xử lý hơn nhiều. Hình dạng của chúng đa dạng và chúng 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 phát hiện hộp giới hạn định hướng (OBB) để nhận diện và phân loại chất lượng các nông sản này chính xác hơn. Hệ thống có thể phát hiện nhiều nông sản trong một hình ảnh, ngay cả khi chúng bị nghiêng hoặc chồng lên nhau, 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 downstream: Các tác vụ thị giác máy tính như phân đoạn instance và theo dõi đối tượng có thể hoạt động tốt hơn khi nhận được kết quả phát hiện đối tượng chính xác hơn.
• Tăng cường khả năng suy luận không gian: Bằng cách ghi nhận góc hướng, OBB giúp có thể hiểu được sự căn chỉnh và hướng của đối tượng.
• Giảm tình trạng chồng lấn trong các cảnh đông đúc: OBB giảm sự mơ hồ bằng cách bao quanh đối tượng chặt hơn, ngay cả trong các cảnh đông đúc hoặc nhiều thành phần.

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

• Nhạy cảm hơn với nhiễu: Các lỗi nhỏ trong dự đoán góc có thể tác động lớn hơn đến độ chính xác phát hiện, đặc biệt đối với các đối tượng xếp sát nhau hoặc có hình dạng kéo dài.
• Yêu cầu công cụ chuyên biệt: Vì không phải mọi nền tảng gán nhãn và huấn luyện đều hỗ trợ OBB gốc, việc làm việc với OBB có thể cần thêm công cụ hoặc bước thiết lập.
• Nguồn dataset hạn chế: So với phát hiện đối tượng tiêu chuẩn, hiện có ít dataset công khai hơn được gán nhãn OBB, điều này có thể khiến việc bắt đầu hoặc so sánh kết quả khó khăn hơn đôi chút.

Những điểm chính#

Phát hiện hộp giới hạn định hướng giúp các giải pháp thị giác máy tính dễ dàng nhận diện những đối tượng không hoàn toàn thẳng hoặc được căn chỉnh ngay ngắn. Bằng cách ghi nhận cả vị trí và hướng của đối tượng, phát hiện OBB nâng cao độ chính xác trong các trường hợp sử dụng thực tế như quét hình ảnh y tế, giám sát đất nông nghiệp hoặc phân tích ảnh vệ tinh.

Với các model như Ultralytics YOLO11 giúp phát hiện OBB dễ tiếp cận hơn, đây đang trở thành một lựa chọn thực tiễn cho nhiều ngành. Dù bạn đang xử lý các đối tượng bị nghiêng, chồng lấn hoặc có hình dạng bất thường, phát hiện OBB vẫn bổ sung một lớp độ chính xác mà các phương pháp tiêu chuẩn thường bỏ sót.

Bạn tò mò về AI? Hãy khám phá repository GitHub của chúng tôi, kết nối với cộng đồng của chúng tôi và xem các tùy chọn cấp phép để bắt đầu dự án thị giác máy tính của bạn. Tìm hiểu thêm về những đổi mới như AI trong ngành bán lẻ và thị giác máy tính trong ngành logistics trên các trang giải pháp của chúng tôi.