Image Recognition

Nhận diện hình ảnh là một công nghệ cốt lõi trong lĩnh vực computer vision (CV) rộng lớn hơn, cho phép các hệ thống phần mềm xác định các đối tượng, con người, địa điểm và văn bản trong các hình ảnh kỹ thuật số. Bằng cách phân tích nội dung điểm ảnh của một hình ảnh hoặc khung hình video, công nghệ này cố gắng mô phỏng khả năng nhận thức thị giác của mắt và não bộ con người. Được hỗ trợ bởi artificial intelligence (AI), nhận diện hình ảnh biến đổi dữ liệu thị giác phi cấu trúc thành thông tin có cấu trúc, có thể hành động, đóng làm nền tảng cho tự động hóa trong các ngành công nghiệp từ y tế đến giao thông tự hành.

Các cơ chế và công nghệ cốt lõi#

Các hệ thống nhận diện hình ảnh hiện đại đã chuyển dịch vượt ra ngoài lập trình truyền thống dựa trên quy tắc để phụ thuộc nhiều vào các thuật toán deep learning (DL). Kiến trúc phổ biến nhất được sử dụng cho các tác vụ này là Convolutional Neural Network (CNN). Một CNN xử lý hình ảnh dưới dạng một lưới các giá trị—thường đại diện cho các kênh màu Đỏ, Xanh lá và Xanh dương (RGB)—và truyền chúng qua nhiều lớp phép toán toán học.

Trong quá trình này, mạng lưới thực hiện feature extraction. Các lớp ban đầu có thể phát hiện các mẫu hình học đơn giản như các cạnh hoặc góc, trong khi các lớp sâu hơn tổng hợp các mẫu này để nhận diện các cấu trúc phức tạp như mắt, bánh xe hoặc lá cây. Để đạt được độ chính xác cao, các mô hình này yêu cầu lượng lớn labeled training data. Các tập dữ liệu công khai quy mô lớn, chẳng hạn như ImageNet, giúp các mô hình học xác suất thống kê rằng một sự sắp xếp thị giác cụ thể tương ứng với một khái niệm như "mèo", "xe đạp" hoặc "biển báo dừng".

Phân biệt nhận diện với các khái niệm liên quan#

Mặc dù thuật ngữ "nhận diện hình ảnh" thường được sử dụng như một cụm từ bao quát, nhưng nó khác biệt với các tác vụ computer vision cụ thể khác. Việc hiểu những sắc thái này là rất quan trọng để chọn đúng model cho một dự án:

• Nhận diện so với Image Classification: Phân loại là tác vụ gán một nhãn duy nhất cho toàn bộ một hình ảnh (ví dụ: dán nhãn bức ảnh là "bãi biển"). Nhận diện là khả năng rộng hơn cho phép hệ thống hiểu được nội dung.
• Nhận diện so với Object Detection: Trong khi nhận diện xác định cái gì có trong hình ảnh, phát hiện định vị nó ở đâu. Các thuật toán phát hiện vẽ một bounding box xung quanh từng thể hiện đối tượng, tách biệt nó khỏi nền.
• Nhận diện so với Instance Segmentation: Điều này đưa việc nhận diện tiến thêm một bước bằng cách xác định các đường viền điểm ảnh chính xác của một đối tượng, thay vì chỉ là một khung hộp. Điều này rất quan trọng đối với các ứng dụng đòi hỏi các phép đo chính xác, chẳng hạn như biomedical image analysis.

Các ứng dụng trong thực tế#

Tiện ích của nhận diện hình ảnh bao trùm hầu như mọi lĩnh vực nơi dữ liệu thị giác được tạo ra.

• Chẩn đoán y tế: Trong chăm sóc sức khỏe, các thuật toán nhận diện hỗ trợ các bác sĩ X-quang bằng cách phân tích hình ảnh y tế như tia X và MRI. Các công cụ như AI in radiology có thể xác định các bất thường như khối u hoặc vết gãy nhanh hơn và đôi khi chính xác hơn so với việc quan sát bằng con người đơn thuần.
• Bán lẻ và Kho hàng: Smart supermarkets sử dụng nhận diện để theo dõi các sản phẩm khi chúng được nhấc lên từ các kệ hàng, cho phép hệ thống thanh toán tự động. Tương tự, các robot trong kho sử dụng công nghệ này để nhận diện và phân loại các kiện hàng.
• Bảo mật và Kiểm soát truy cập: Các hệ thống Facial recognition cho phép truy cập bảo mật vào điện thoại thông minh và các tòa nhà bằng cách xác minh danh tính đối chiếu với cơ sở dữ liệu các nhúng khuôn mặt đã được lưu trữ.

Triển khai Image Recognition với Ultralytics YOLO26#

Đối với các nhà phát triển và nhà nghiên cứu, việc triển khai nhận diện hình ảnh đã trở nên dễ tiếp cận hơn đáng kể với các mô hình tối tân như YOLO26, hỗ trợ nguyên bản các tính năng phân loại, phát hiện và phân đoạn. Ví dụ sau đây minh họa cách thực hiện nhận diện (cụ thể là phát hiện đối tượng) trên một hình ảnh sử dụng gói Python ultralytics.

from ultralytics import YOLO

# Load a pre-trained YOLO26 model (n for nano, fastest speed)
model = YOLO("yolo26n.pt")

# Run inference on an image to recognize and locate objects
# The source can be a file path, URL, or webcam (source=0)
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results with bounding boxes and labels
results[0].show()

Đối với các nhóm muốn chú thích tập dữ liệu của riêng họ và huấn luyện các mô hình tùy chỉnh trên đám mây, Ultralytics Platform cung cấp một môi trường tinh gọn để quản lý toàn bộ vòng đời của một dự án nhận diện hình ảnh, từ thu thập dữ liệu đến triển khai.

Xu hướng tương lai#

Khi năng lực điện toán tăng lên, nhận diện hình ảnh đang tiến hóa thành video understanding, nơi các hệ thống phân tích ngữ cảnh thời gian qua các khung hình. Hơn nữa, việc tích hợp generative AI đang cho phép các hệ thống không chỉ nhận diện hình ảnh mà còn tạo ra các mô tả văn bản chi tiết về chúng, thu hẹp khoảng cách giữa Natural Language Processing (NLP) và thị giác.