Tìm hiểu về phát hiện đối tượng

Detector trả về gì#

Mỗi nhãn trong ảnh đó tương ứng với một hàng đầu ra: tên lớp, độ tin cậy và box bao quanh đối tượng. Model phát hiện trả về chính xác danh sách đó:

• Lớp — một chỉ số nguyên được ánh xạ sang tên thông qua result.names (0 là person, 5 là bus).
• Box — bốn số xác định vị trí đối tượng; xyxy cung cấp tọa độ góc trên bên trái và góc dưới bên phải theo pixel.
• Độ tin cậy — điểm số từ 0 đến 1 dùng để xếp hạng và lọc kết quả phát hiện.

Đếm, cảnh báo, tracking và làm mờ là những phần code bạn viết dựa trên các hàng này.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
result = model("https://ultralytics.com/images/bus.jpg", verbose=False)[0]

for box in result.boxes:
    name = result.names[int(box.cls)]
    x1, y1, x2, y2 = box.xyxy[0].tolist()
    print(f"{name:8} conf={float(box.conf):.2f} box=({x1:.0f}, {y1:.0f}, {x2:.0f}, {y2:.0f})")

bus      conf=0.88 box=(0, 230, 803, 751)
person   conf=0.87 box=(49, 398, 240, 902)
person   conf=0.86 box=(223, 405, 345, 861)
person   conf=0.85 box=(670, 395, 810, 880)
person   conf=0.65 box=(0, 553, 60, 871)

Diễn giải từng dòng: box xe buýt bắt đầu tại x=0 vì xe buýt khuất khỏi mép trái; ba người có điểm số 0.85–0.87; người thứ tư, bị cắt ở viền trái, chỉ đạt 0.65 — model chỉ nhìn thấy nửa thân người. Độ tin cậy thấp ở các đối tượng bị cắt là bình thường, và đây là trường hợp đầu tiên mà ngưỡng phát huy tác dụng.

Mỗi box có bốn định dạng; hãy dùng định dạng mà code phía sau yêu cầu:

Từ các ứng viên đến danh sách cuối cùng#

Bên trong, model chấm điểm nhiều box ứng viên cho mỗi đối tượng. Hai bộ lọc chuyển chúng thành danh sách bạn nhìn thấy:

Bộ lọc độ tin cậy. conf loại bỏ các box thấp hơn ngưỡng; mặc định của dự đoán là 0.25. Trên ảnh xe buýt, số lượng thay đổi nhanh chóng:

Bộ lọc trùng lặp. Loại bỏ cực đại không cần thiết (NMS) giữ lại box có độ tin cậy cao nhất và loại bỏ các box khác cùng lớp có mức chồng lấn với box đó vượt quá iou (mặc định 0.7). Mức chồng lấn được đo bằng giao trên hợp: diện tích giao nhau chia cho diện tích hợp.

Chọn ngưỡng dựa trên chi phí của các lỗi#

Giám sát an toàn kho hàng là trường hợp điển hình cần ngưỡng thấp; Chế độ Predict liệt kê mọi tham số inference.

Các lỗi thường gặp#

Bốn kiểu dự đoán sai#

Hai danh sách giúp chẩn đoán nhanh: true positive có confidence thấp (model không chắc chắn về vật thể có thật) và false positive có confidence cao (model chắc chắn về thứ bị nhận diện sai). Mỗi danh sách gợi ý cách khắc phục khác nhau.