Phát hiện khung bao định hướng (OBB) là gì?

Việc nhận diện các đối tượng, bất kể chúng được sắp xếp như thế nào hoặc đang quay về hướng nào, là một khả năng tự nhiên của con người. Cho dù đó là xe cộ tại một giao lộ hay tàu thuyền trong bến cảng, chúng ta đều có thể dễ dàng xác định chúng là gì và đang hướng về phía nào. Tuy nhiên, đối với các hệ thống trí tuệ nhân tạo (AI), điều đó không hề đơn giản.

Ví dụ, computer vision, 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 xác định và định vị đối tượng trong một khung cảnh. Phát hiện đối tượng truyền thống dựa vào các hộp bao quanh căn lề theo trục (axis-aligned bounding boxes) để vẽ hộp xung quanh đối tượng. Các hộp này có các cạnh thẳng và góc vuông cố định. Cách tiếp cận này hoạt động hiệu quả khi các đối tượng thẳng đứng và không quá gần nhau.

Nhưng khi các đối tượng bị nghiêng, xoay hoặc nằm gần nhau, phát hiện đối tượng truyền thống thường gặp khó khăn trong việc ghi nhận chúng một cách chính xác. Để xử lý những tình huống phức tạp hơn này, các kỹ thuật như phát hiện hộp bao quanh định hướng (OBB) đã được giới thiệu. Khác với các hộp bao quanh tiêu chuẩn, OBB có thể xoay để khớp với góc và hình dạng của đối tượng, cho phép bao khớp chặt chẽ và chính xác hơn.

Các model computer vision như Ultralytics YOLO11, vốn hỗ trợ phát hiện OBB, cho phép thực hiện hàng loạt các ứng dụng thời gian thực, đặc biệt trong các kịch bản mà hướng đối tượng đóng vai trò quan trọng, chẳng hạn như giám sát trên không. Ngoài ra, phát hiện OBB cũng được sử dụng trong y tế, nông nghiệp và phân tích tài liệu.

Trong bài viết này, chúng ta sẽ khám phá OBB là gì, cách thức hoạt động và nơi nó được áp dụng trong các kịch bản thực tế. Hãy cùng bắt đầu!

Fig 1. Một demo ví dụ về việc sử dụng YOLO11 để phát hiện OBB của tàu thuyền.

Link to this sectionHộp bao quanh định hướng là gì?#

Một bounding box định hướng là một loại hộp chữ nhật được sử dụng trong computer vision để biểu diễn các đối tượng được phát hiện trong hình ảnh. Trong khi các bounding box tiêu chuẩn được căn lề 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 nhiều lợi thế. OBB có thể căn chỉnh sát hơn với hướng của đối tượng, cho phép hộp bao quanh chặt chẽ hình dạng và hướng của đối tượng. Kết quả là việc phát hiện trở nên chính xác và chuẩn xác hơn.

OBB đặc biệt hữu ích khi các đối tượng không hoàn toàn thẳng đứng, chẳng hạn như một chiếc xe đang rẽ trên đường cong trong cảnh quay từ trên cao, một cuốn sách bị nghiêng trên bàn, hoặc một khối u bị xoay trong ảnh chụp y tế. Bằng cách khớp với góc của đối tượng một cách chính xác hơn, OBB cải thiện hiệu suất phát hiện, giảm nhiễu nền và đặc biệt tuyệt vời cho các ứng dụng mà hướng của đối tượng quan trọng ngang với vị trí của nó.

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

Link to this sectionPhát hiện OBB so với phát hiện đối tượng#

Phát hiện OBB và phát hiện đối tượng truyền thống trông có vẻ giống nhau lúc ban đầu, nhưng chúng được sử dụng theo những cách khác nhau và cho các tình huống khác nhau. Hãy xem xét kỹ hơn cách chúng so sánh với nhau thông qua một ví dụ.

Computer vision models, như YOLO11, có thể được huấn luyện để phát hiện và phân loại các đối tượng trong nhiều ứng dụng thực tế khác nhau, chẳng hạn như kiểm tra công nghiệp. Hãy xem xét một dây chuyền lắp ráp nhà máy nơi các bộ phận máy móc khác nhau di chuyển dọc theo băng chuyền. Một số bộ phận có thể được đặt ngay ngắn, nhưng những bộ phận khác có thể bị xoay nhẹ, nghiêng hoặc chồng chéo do rung lắc hoặc tốc độ.

Phát hiện đối tượng truyền thống sử dụng các hộp chữ nhật thẳng đứng căn theo các cạnh ngang và dọc của hình ảnh. Vì vậy, khi một bộ phận bị xoay, hộp có thể không khớp hoàn toàn - nó có thể bỏ sót một phần đối tượng hoặc bao gồm quá nhiều phần nền. Điều này có thể làm cho các kết quả phát hiện kém chính xác và khó hơn cho hệ thống để nhận diện bộ phận đó một cách tự tin.

Bây giờ, giả sử bạn đang sử dụng phát hiện OBB thay thế. Trong trường hợp này, model có thể vẽ một chiếc hộp xoay để khớp chính xác với góc của từng bộ phận. Một bánh răng bị nghiêng hoặc thành phần bị lệch sẽ được bao quanh chặt chẽ bởi một chiếc hộp phù hợp với hình dạng và hướng của nó. Điều này có nghĩa là độ chính xác cao hơn, ít sai sót hơn và kết quả đáng tin cậy hơn, đặc biệt đối với các trường hợp sử dụng như kiểm soát chất lượng tự động hoặc phân loại bằng robot.

Link to this sectionCác model phát hiện OBB phổ biến#

Bây giờ chúng ta đã hiểu rõ hơn về phát hiện OBB là gì, hãy cùng xem qua một số Vision AI model được sử dụng rộng rãi nhất hỗ trợ công nghệ này.

Nhiều model computer vision tiên tiến đã được phát triển đặc biệt để phát hiện các đối tượng bị xoay hoặc nghiêng. Trong số đó, các model Ultralytics YOLO đặc biệt nổi tiếng với khả năng phát hiện OBB đáng tin cậy và hiệu quả.

Các phiên bản trước đó như Ultralytics YOLOv5 được thiết kế cho phát hiện đối tượng tiêu chuẩn. Các bản lặp lại sau đó, như Ultralytics YOLOv8 và YOLO11 gần đây hơn, đã giới thiệu hỗ trợ nguyên bản cho phát hiện OBB. YOLO11, đặc biệt, cung cấp độ chính xác hàng đầu mà không ảnh hưởng đến tốc độ, làm cho nó trở thành một lựa chọn có tác động mạnh mẽ cho các ứng dụng thời gian thực.

Các YOLO11 OBB models được huấn luyện trước, như YOLO11n-obb, được huấn luyện trên các bộ dữ liệu như DOTAv1, bao gồm các hình ảnh trên không được chú thích với hàng loạt các lớp đối tượng như máy bay, tàu thủy và sân tennis xuất hiện ở nhiều góc độ và hướng khác nhau.

Ngoài ra, các model này có sẵn ở năm kích thước khác nhau, từ nano (n-obb) đến extra-large (x-obb), để phù hợp với các nhu cầu hiệu suất khác nhau. Sự linh hoạt này cho phép chúng được áp dụng trên nhiều ngành công nghiệp - từ giám sát cơ sở hạ tầng đô thị và kiểm tra máy móc đến việc đọc văn bản bị lệch trong các tài liệu đã quét.

Link to this sectionHuấn luyện tùy chỉnh YOLO11 cho phát hiện hộp bao quanh định hướng#

Trong nhiều tình huống thực tế, các đối tượng bạn cần phát hiện có thể hoàn toàn khác biệt so với các đối tượng trong training datasets tiêu chuẩn. Ví dụ, các đối tượng như dụng cụ trên dây chuyền sản xuất, bao bì sản phẩm, hoặc các thành phần trên bảng mạch có thể bị xoay, đặt không đều hoặc có hình dạng khác biệt.

Để phát hiện chính xác các đối tượng tùy chỉnh này, đặc biệt là khi hướng đóng vai trò quan trọng, điều quan trọng là phải huấn luyện các model như YOLO11 sử dụng hình ảnh và nhãn của riêng bạn. Quá trình này được gọi là custom training.

Dưới đây là cái nhìn chi tiết hơn về quy trình từng bước để huấn luyện YOLO11 cho phát hiện OBB:

• Thu thập hình ảnh: Tập hợp các hình ảnh thể hiện đối tượng mục tiêu của bạn từ các góc độ, vị trí và môi trường thực tế khác nhau.
• Chú thích đối tượng: Gắn nhãn từng đối tượng bằng các hộp bao quanh xoay (OBB) để ghi nhận cả vị trí và hướng của chúng bằng các công cụ chú thích có hỗ trợ OBB.
• Chuẩn bị bộ dữ liệu: Tổ chức hình ảnh và nhãn của bạn theo cấu trúc thư mục YOLO, và tạo một tệp cấu hình YAML với tên các lớp và đường dẫn bộ dữ liệu của bạn.
• Huấn luyện model: Chọn một phiên bản của model YOLO11 phù hợp với nhu cầu của bạn, và chạy quá trình huấn luyện để model có thể học từ các hình ảnh đã gắn nhãn của bạn.
• Đánh giá và triển khai: Kiểm tra model đã huấn luyện trên các hình ảnh mới, đánh giá độ chính xác của nó, và triển khai vào các ứng dụng thực tế như sản xuất, giám sát trên không hoặc phân tích tài liệu.

Link to this sectionCác ứng dụng được hỗ trợ bởi phát hiện OBB#

Các đối tượng bị lệch tâm hoặc nghiêng khá phổ biến trong các kịch bản thực tế. Hãy cùng điểm qua một vài ví dụ nơi phát hiện OBB tạo ra sự khác biệt thực sự bằng cách phát hiện chính xác những đối tượng này.

Link to this sectionPhân tích hình ảnh X-quang sử dụng phát hiện OBB#

Phát hiện OBB có thể đưa medical image analysis tiến thêm một bước bằng cách cải thiện độ chính xác. Hình ảnh y tế thường chứa các cấu trúc giải phẫu như khối u, cơ quan hoặc xương. Những cấu trúc này thường xuất hiện ở các hình dạng bất thường và hướng đa dạng. 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, điều này rất quan trọng cho việc chẩn đoán và lập kế hoạch điều trị.

Cách tiếp cận này đặc biệt hiệu quả khi phân tích hình ảnh X-quang của các trường hợp gãy xương, nơi vị trí và sự căn chỉnh của xương là các yếu tố then chốt. Ví dụ, phát hiện OBB đã được sử dụng để phân tích pediatric elbow X-rays. Bằng cách điều chỉnh theo hướng của xương, nó đã giúp cải thiện độ chính xác khi phát hiện.

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

Link to this sectionGiám sát trên không được hỗ trợ bởi 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 thu thập bởi máy bay không người lái hoặc vệ tinh có thể giúp xác định các đối tượng như tàu thủy, phương tiện và tòa nhà. Tuy nhiên, trong những hình ảnh này, các đối tượng thường xuất hiện nhỏ và ở các góc độ lạ, làm cho chúng khó phát hiện chính xác hơn.

Phát hiện OBB giải quyết vấn đề này bằng cách nghiêng các hộp bao quanh để khớp với góc của từng đối tượng. Điều này dẫn đến các phép đo chính xác hơn về kích thước và hướng của đối tượng, 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 của phát hiện OBB là theo dõi tàu thủy trong maritime surveillance. Hình ảnh vệ tinh thường ghi lại các con tàu ở các góc độ và kích thước khác nhau do thời tiết, ánh sáng hoặc chuyển động. OBB có thể thích nghi với những thay đổi này, cải thiện khả năng phát hiện, đặc biệt là đối với các tàu nhỏ hoặc bị che khuất một phần.

Fig 4. Một cái nhìn về việc sử dụng phát hiện OBB cho giám sát hàng hải.

Link to this sectionSử 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 chúng được đóng gói và gửi ra thị trường. Trong khi nhiều hệ thống hoạt động hiệu quả với các loại trái cây tròn như táo và cam, thì các loại nông sản dài và hẹp, như cà rốt hoặc măng tây Zizania, lại khó xử lý hơn nhiều. Hình dạng của chúng khác nhau và chúng thường nằm ở các góc độ khác nhau, khiến cho 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 bao quanh định hướng (OBB) để xác định và phân loại nông sản chính xác hơn. Hệ thống có thể phát hiện nhiều loại nông sản trong một hình ảnh, ngay cả khi chúng bị nghiêng hoặc chồng chéo, và đánh giá chất lượng cũng như vị trí của chúng trong thời gian thực.

Link to this sectionƯu và nhược điểm của phát hiện OBB#

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

• Đầu vào cải tiến cho các tác vụ hạ nguồn: Computer vision tasks như phân đoạn thực thể (instance segmentation) và theo dõi đối tượng có thể hoạt động tốt hơn khi được cung cấp các kết quả phát hiện đối tượng chính xác hơn.
• Tăng cường lập luận không gian: Bằng cách ghi lại góc định hướng, OBB giúp hiểu được sự căn chỉnh và hướng của đối tượng.
• Giảm chồng chéo trong các khung cảnh đông đúc: OBB giảm sự mơ hồ bằng cách bao khớp đối tượng chặt chẽ hơn, ngay cả trong những khung cảnh bận rộn hoặc lộn xộn.

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

• Nhạy cảm hơn với nhiễu: Các sai số nhỏ trong dự đoán góc có thể có tác động lớn hơn đến độ chính xác khi phát hiện, đặc biệt là đối với các đối tượng được đóng gói chặt hoặc kéo dài.
• Yêu cầu các công cụ chuyên dụng: Vì không phải tất cả các nền tảng dán nhãn và huấn luyện đều hỗ trợ nguyên bản OBB, việc làm việc với chúng có thể yêu cầu các công cụ hoặc thiết lập bổ sung.
• Số lượng bộ dữ liệu khả dụng hạn chế: So với object detection tiêu chuẩn, hiện nay có ít các bộ dữ liệu công khai với chú thích OBB hơn, điều này có thể làm cho việc bắt đầu hoặc so sánh kết quả trở nên hơi khó khăn hơn.

Link to this sectionCác điểm chính cần lưu ý#

Phát hiện hộp bao quanh định hướng giúp các giải pháp computer vision dễ dàng hơn trong việc nhận diện các đối tượng không hoàn toàn thẳng hoặc được căn chỉnh. Bằng cách ghi lại cả vị trí và hướng của đối tượng, phát hiện OBB thúc đẩy độ chính xác trên 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 YOLO11 làm cho phát hiện OBB trở nên dễ tiếp cận hơn, nó đang trở thành một lựa chọn thực tế cho nhiều ngành công nghiệp. Cho dù bạn đang xử lý các đối tượng bị nghiêng, chồng chéo hoặc có hình dạng kỳ lạ, phát hiện OBB bổ sung thêm một lớp chính xác mà các phương pháp tiêu chuẩn thường bỏ sót.

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