Phân vùng ảnh

Phân đoạn ảnh là một quy trình nền tảng trong lĩnh vực thị giác máy tính (CV) , bao gồm việc chia một ảnh kỹ thuật số thành nhiều nhóm pixel nhỏ, thường được gọi là các phân đoạn hoặc vùng ảnh. Trong khi phân loại ảnh tiêu chuẩn gán một nhãn duy nhất cho toàn bộ ảnh, phân đoạn ảnh tiến thêm một bước bằng cách gán một nhãn lớp cụ thể cho từng pixel riêng lẻ. Cách tiếp cận chi tiết này tạo ra một bản đồ chính xác ở cấp độ pixel của ảnh, cho phép các mô hình trí tuệ nhân tạo (AI) hiểu không chỉ những đối tượng nào có mặt, mà còn chính xác vị trí của chúng và hình dạng cụ thể của chúng.

Cơ chế phân tích cấp độ pixel

Để đạt được sự hiểu biết chi tiết này, các mô hình phân đoạn thường sử dụng kiến trúc học sâu (DL) , cụ thể là Mạng nơ-ron tích chập (CNN) . Các mạng này hoạt động như các bộ trích xuất đặc trưng, xác định các mẫu như cạnh, kết cấu và hình dạng. Một kiến trúc phân đoạn điển hình, chẳng hạn như U-Net kinh điển, sử dụng cấu trúc mã hóa-giải mã. Bộ mã hóa nén đầu vào để nắm bắt ngữ cảnh ngữ nghĩa, trong khi bộ giải mã tái tạo các chi tiết không gian để xuất ra mặt nạ phân đoạn .

Những tiến bộ hiện đại đã dẫn đến các kiến trúc thời gian thực như YOLO26 , tích hợp khả năng phân đoạn trực tiếp vào quy trình phát hiện từ đầu đến cuối. Điều này cho phép xử lý tốc độ cao trên nhiều phần cứng khác nhau, từ GPU đám mây mạnh mẽ đến các thiết bị biên có tài nguyên hạn chế.

Các Loại Phân Đoạn Ảnh

Tùy thuộc vào yêu cầu cụ thể của dự án, các nhà phát triển thường lựa chọn giữa ba kỹ thuật phân đoạn chính:

• Phân đoạn ngữ nghĩa : Phương pháp này coi nhiều đối tượng cùng lớp như một thực thể duy nhất. Ví dụ, trong ảnh chụp khu rừng, tất cả các pixel thuộc về "cây" đều được tô màu xanh lá cây, mà không phân biệt giữa các cây riêng lẻ. Phương pháp này hữu ích để hiểu bố cục tổng thể của một khung cảnh.
• Phân đoạn đối tượng : Kỹ thuật này xác định và tách biệt các đối tượng riêng lẻ cần quan tâm. Trong một khung cảnh đường phố, phân đoạn đối tượng sẽ tạo ra một mặt nạ duy nhất cho "Xe A", "Xe B" và "Người đi bộ A", cho phép hệ thống đếm và... track các thực thể cụ thể. Đây là một tính năng cốt lõi của dòng sản phẩm Ultralytics YOLO26 .
• Phân đoạn toàn cảnh : Một phương pháp lai kết hợp phạm vi bao phủ của phân đoạn ngữ nghĩa với độ chính xác của phân đoạn đối tượng. Nó gán nhãn cho mỗi pixel trong ảnh, phân biệt các yếu tố nền (như bầu trời và đường) đồng thời xác định duy nhất các đối tượng tiền cảnh có thể đếm được.

Các Ứng dụng Thực tế

Độ chính xác mà phân khúc mang lại cho phép thực hiện các chức năng quan trọng trong nhiều ngành công nghiệp khác nhau:

• Chẩn đoán y khoa: Trong phân tích hình ảnh y khoa , phân đoạn là yếu tố quan trọng để xác định cấu trúc giải phẫu. Các thuật toán phân tích ảnh chụp MRI để xác định ranh giới khối u hoặc các cơ quan. Điều này cho phép các bác sĩ phẫu thuật tính toán thể tích chính xác và lập kế hoạch phẫu thuật với độ chính xác cứu sống bệnh nhân.
• Lái xe tự hành: Xe tự lái dựa vào khả năng phân vùng để di chuyển an toàn. Bằng cách xử lý nguồn cấp dữ liệu video, máy tính của xe có thể phân biệt làn đường an toàn với vỉa hè và chướng ngại vật. Các tổ chức tiêu chuẩn như SAE International đưa ra các cấp độ tự chủ cần thiết cho khả năng nhận thức môi trường có độ chính xác cao này.
• Nông nghiệp chính xác: Trong lĩnh vực trí tuệ nhân tạo ứng dụng trong nông nghiệp , phân đoạn giúp các hệ thống robot xác định cỏ dại giữa các loại cây trồng. Bằng cách tạo mặt nạ cho từng loại lá cây cụ thể, máy phun tự động có thể chỉ nhắm mục tiêu vào các loài xâm lấn, giảm đáng kể lượng thuốc diệt cỏ và tác động đến môi trường.

Phân biệt với phát hiện đối tượng

Điều quan trọng là phải phân biệt giữa phân đoạn và phát hiện đối tượng . Trong khi phát hiện đối tượng định vị các vật thể bằng cách sử dụng một hộp giới hạn hình chữ nhật, nó bao gồm cả các pixel nền bên trong hộp đó. Phân đoạn cung cấp một hình ảnh chính xác hơn bằng cách theo dõi đường viền chính xác của đối tượng. Sự khác biệt này rất quan trọng đối với các ứng dụng như gắp vật bằng robot , nơi cánh tay robot phải biết hình dạng chính xác của vật thể để nhặt nó lên mà không va chạm.

Triển khai phân đoạn với YOLO26

Các nhà phát triển có thể triển khai phân đoạn phiên bản một cách hiệu quả bằng cách sử dụng ultralytics Python gói. Ví dụ sau sử dụng công nghệ tiên tiến nhất. Mô hình YOLO26Phiên bản này được phát hành vào tháng 1 năm 2026, được tối ưu hóa về tốc độ và độ chính xác.

from ultralytics import YOLO

# Load a pre-trained YOLO26 segmentation model
# 'n' denotes the nano version, optimized for speed
model = YOLO("yolo26n-seg.pt")

# Run inference on an image to generate masks
# The model identifies objects and outlines their shape
results = model("https://ultralytics.com/images/bus.jpg")

# Display the image with segmentation overlays
results[0].show()

Để đạt hiệu suất cao trong các tác vụ tùy chỉnh, các nhóm thường cần chọn lọc dữ liệu huấn luyện chất lượng cao. Nền tảng Ultralytics đơn giản hóa quy trình này bằng cách cung cấp các công cụ để chú thích hình ảnh bằng mặt nạ đa giác, quản lý tập dữ liệu và huấn luyện mô hình trên đám mây, giúp tối ưu hóa toàn bộ vòng đời vận hành học máy (MLOps) .