Bounding Box
Tìm hiểu cách bounding box xác định vị trí đối tượng trong thị giác máy tính. Khám phá các định dạng tọa độ, ứng dụng thực tế và cách sử dụng Ultralytics YOLO26.
Bounding box là một vùng hình chữ nhật được xác định bằng một tập tọa độ, bao quanh một đối tượng cụ thể trong ảnh hoặc khung hình video. Trong lĩnh vực thị giác máy tính (CV), các box này là chú giải nền tảng dùng để dạy hệ thống trí tuệ nhân tạo (AI) cách định vị và nhận diện các vật thể riêng biệt. Thay vì chỉ phân loại toàn bộ ảnh là "có chứa ô tô", bounding box cho phép model xác định chính xác vị trí và phạm vi không gian của ô tô, tách nó khỏi nền và các thực thể khác. Khả năng định vị này rất cần thiết cho các tác vụ phát hiện đối tượng, trong đó mục tiêu là nhận diện đồng thời nhiều đối tượng với độ chính xác cao.
Các khái niệm cốt lõi và tọa độ#
Để xử lý dữ liệu thị giác hiệu quả, các model học máy (ML) dựa vào những hệ tọa độ cụ thể để biểu diễn bounding box bằng toán học. Định dạng được chọn thường quyết định cách chuẩn bị dữ liệu cho huấn luyện model và cách model xuất dự đoán.
- Tọa độ XYXY: Định dạng này xác định box bằng giá trị pixel tuyệt đối của góc trên bên trái và góc dưới bên phải. Định dạng này trực quan khi sử dụng các công cụ trực quan hóa như OpenCV hoặc Matplotlib để vẽ hình chữ nhật trực tiếp lên ảnh.
- Định dạng XYWH: Thường dùng trong các bộ dữ liệu như COCO, phương pháp này chỉ định tâm của đối tượng, tiếp theo là chiều rộng và chiều cao của box. Biểu diễn này rất quan trọng để tính toán hàm loss trong quá trình học.
- Tọa độ chuẩn hóa: Để đảm bảo khả năng mở rộng trên các ảnh có độ phân giải khác nhau, tọa độ thường được đưa về phạm vi từ 0 đến 1. Điều này giúp model khái quát hóa tốt hơn khi phân tích đầu vào có kích thước khác nhau.
Ứng dụng thực tế#
Bounding box là khối xây dựng nền tảng cho vô số giải pháp AI trong nhiều ngành khác nhau. Bằng cách hỗ trợ định vị chính xác, chúng cho phép hệ thống tương tác thông minh với thế giới vật lý.
- Xe tự hành: Ô tô tự lái sử dụng bounding box để phát hiện và theo dõi người đi bộ, phương tiện khác, biển báo giao thông và chướng ngại vật theo thời gian thực. Nhận thức không gian này rất quan trọng để hệ thống định vị và an toàn đưa ra quyết định trong tích tắc.
- Phân tích bán lẻ: Trong cửa hàng thông minh, bounding box giúp theo dõi hàng tồn trên kệ và ghi nhận tương tác của khách hàng với sản phẩm. Dữ liệu này có thể tự động hóa việc bổ sung hàng và cung cấp thông tin chi tiết về hành vi mua sắm mà không cần đếm thủ công.
Bounding box trong thực tế#
Khi sử dụng các kiến trúc hiện đại như YOLO26, model dự đoán bounding box cùng với nhãn lớp và điểm tin cậy. Ví dụ sau minh họa cách chạy suy luận trên ảnh và truy cập tọa độ bounding box bằng gói ultralytics.
from ultralytics import YOLO
# Tải model YOLO26
model = YOLO("yolo26n.pt")
# Chạy inference trên một ảnh
results = model("https://ultralytics.com/images/bus.jpg")
# Truy cập tọa độ bounding box (định dạng xyxy) của đối tượng được phát hiện đầu tiên
boxes = results[0].boxes
print(boxes.xyxy[0]) # Đầu ra: tensor([x1, y1, x2, y2, ...])Các thuật ngữ liên quan và điểm khác biệt#
Bounding box là tiêu chuẩn trong phát hiện đối tượng tổng quát, nhưng khác với các loại chú thích khác được sử dụng trong những tác vụ chi tiết hơn.
- Phân đoạn đối tượng: Khác với bounding box hình chữ nhật, phân đoạn tạo ra mask chính xác đến từng pixel, bám sát đường viền của đối tượng. Phương pháp này hữu ích khi hình dạng chính xác quan trọng hơn vị trí tổng quát.
- Bounding box xoay (OBB): Bounding box tiêu chuẩn được căn thẳng theo trục (hình chữ nhật đứng). OBB có thể xoay để khớp với các đối tượng nghiêng, chẳng hạn như tàu thuyền trong ảnh vệ tinh hoặc các kiện hàng trên băng chuyền, giúp khớp sát hơn và giảm nhiễu nền.
- Keypoint: Thay vì bao quanh đối tượng, keypoint xác định các điểm mốc cụ thể, chẳng hạn như khớp trên cơ thể người để ước tính tư thế.
Công cụ chú thích và quản lý#
Tạo chú thích bounding box chất lượng cao là bước quan trọng trong pipeline ML. Nền tảng Ultralytics đơn giản hóa quy trình này bằng cách cung cấp công cụ chú thích dữ liệu và quản lý dataset. Chú thích phù hợp giúp model học cách phân biệt chính xác các đối tượng, giảm thiểu lỗi như overfitting hoặc nhầm lẫn với nền. Các kỹ thuật nâng cao như Loại bỏ phi cực đại (NMS) được sử dụng trong quá trình inference để tinh chỉnh dự đoán bằng cách loại bỏ các box chồng lấp, đảm bảo chỉ giữ lại phát hiện chính xác nhất cho mỗi đối tượng.
