Bounding Box

Hộp giới hạn là một vùng hình chữ nhật được xác định bởi một tập hợp tọa độ, bao quanh một đối tượng cụ thể trong ảnh hoặc khung hình video. Trong lĩnh vực thị giác máy tính (CV), các hộp này đóng vai trò là các annotation nền tảng để hướng dẫn các hệ thống trí tuệ nhân tạo (AI) xác định vị trí và nhận diện các đối tượng riêng biệt. Thay vì chỉ phân loại toàn bộ ảnh là "có chứa một chiếc ô tô", hộp giới hạn cho phép model xác định chính xác vị trí và phạm vi không gian của chiếc ô tô, tách nó khỏi nền và các đối tượng khác. Khả năng định vị này rất cần thiết cho các tác vụ phát hiện đối tượng, trong đó mục tiêu là xác định đồng thời nhiều đối tượng với độ chính xác cao.

Các khái niệm cốt lõi và tọa độ#

Để xử lý dữ liệu hình ảnh hiệu quả, các model machine learning (ML) dựa trên các hệ tọa độ cụ thể để biểu diễn hộp giới hạn dưới dạng toán học. Định dạng được chọn thường quyết định cách dữ liệu được chuẩn bị cho quá trình huấn luyện model và cách model xuất ra các dự đoán.

• Tọa độ XYXY: Định dạng này xác định một hộp bằng giá trị pixel tuyệt đối của góc trên bên trái và góc dưới bên phải. Định dạng này trực quan đối với các công cụ trực quan hóa như OpenCV hoặc Matplotlib khi vẽ trực tiếp các hình chữ nhật lên ảnh.
• Định dạng XYWH: Phổ biến trong các dataset như COCO, phương pháp này chỉ định tâm của đối tượng, tiếp đó là chiều rộng và chiều cao của hộp. Biểu diễn này rất quan trọng để tính toán các hàm mất mát 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 co giãn về phạm vi từ 0 đến 1. Điều này giúp model khái quát tốt hơn khi phân tích các đầu vào có kích thước khác nhau.

Các ứng dụng trong thực tế#

Hộp giới hạn là nền tảng cho vô số giải pháp AI trong nhiều ngành khác nhau. Bằng cách cho phép định vị chính xác, chúng giúp các hệ thống tương tác thông minh với thế giới vật lý.

• Xe tự hành: Ô tô tự lái sử dụng hộp giới hạn để phát hiện và theo dõi người đi bộ, các phương tiện khác, biển báo giao thông và chướng ngại vật theo thời gian thực. Nhận thức về không gian này rất quan trọng để các hệ thống điều hướng và an toàn đưa ra quyết định trong tích tắc.
• Phân tích bán lẻ: Trong các cửa hàng thông minh, hộp giới hạn giúp giám sát hàng tồn kho trên kệ và theo dõi 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.

Hộp giới hạn trong thực tế#

Khi sử dụng các kiến trúc hiện đại như YOLO26, model dự đoán hộp giới hạn cùng với nhãn lớp và điểm độ tin cậy. Ví dụ sau minh họa cách chạy inference trên một ảnh và truy cập tọa độ hộp giới hạn bằng package ultralytics.

from ultralytics import YOLO

# Load the YOLO26 model
model = YOLO("yolo26n.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Access bounding box coordinates (xyxy format) for the first detected object
boxes = results[0].boxes
print(boxes.xyxy[0])  # Output: tensor([x1, y1, x2, y2, ...])

Các thuật ngữ liên quan và phân biệt#

Mặc dù hộp giới hạn là tiêu chuẩn cho việc phát hiện tổng quát, chúng khác với các loại annotation khác được sử dụng trong những tác vụ chi tiết hơn.

• Phân đoạn instance: Không giống hộp giới hạn hình chữ nhật, phương pháp phân đoạn tạo ra một mask chính xác đến từng pixel, bám theo đường viền chính xác của đối tượng. Phương pháp này hữu ích khi hình dạng chính xác quan trọng hơn vị trí tổng quát.
• Hộp giới hạn định hướng (OBB): Hộp giới hạn tiêu chuẩn được căn chỉnh theo trục (hình chữ nhật thẳng đứng). OBB có thể xoay để khớp với các đối tượng bị nghiêng, chẳng hạn như tàu trong ảnh vệ tinh hoặc các kiện hàng trên băng chuyền, tạo ra độ khớp sát hơn và giảm nhiễu nền.
• Keypoint: Thay vì bao quanh một đối tượng, keypoint xác định các điểm mốc cụ thể, chẳng hạn như các khớp trên cơ thể người để ước tính pose.

Công cụ annotation và quản lý#

Tạo annotation hộp giới hạn chất lượng cao là một bước quan trọng trong pipeline ML. Ultralytics Platform đơn giản hóa quy trình này bằng cách cung cấp các công cụ cho annotation dữ liệu và quản lý dataset. Annotation phù hợp đảm bảo model học cách phân biệt các đối tượng chính xác, giảm thiểu các lỗi như overfitting hoặc nhầm lẫn với nền. Các kỹ thuật nâng cao như loại bỏ cực đại không cực đại (NMS) được sử dụng trong quá trình inference để tinh chỉnh các dự đoán này bằng cách loại bỏ các hộp chồng lấn, đảm bảo chỉ còn lại detection chính xác nhất cho mỗi đối tượng.