Object Detection là gì? Cách AI xác định vị trí và tên vật thể trong ảnh

Updated · By Viviai

Object Detection (nhận dạng vật thể) là bài toán trong thị giác máy tính vừa xác định vật thể xuất hiện trong ảnh hoặc video, vừa cho biết vị trí của chúng bằng các hộp giới hạn (bounding box) kèm nhãn phân loại. Khác với việc chỉ phân loại cả bức ảnh, object detection trả lời đồng thời hai câu hỏi: "có vật gì" và "vật đó ở đâu".

Nhận dạng vật thể là gì

Một bức ảnh có thể chứa nhiều vật thể. Object detection tìm từng vật, vẽ khung quanh chúng và gắn nhãn như người, xe, chó hoặc ghế. Hãy hình dung camera giao thông cùng lúc nhận ra nhiều chiếc xe và vị trí từng chiếc thay vì chỉ nói "ảnh có xe".

So với phân loại ảnh

Bài toán Câu hỏi trả lời Kết quả
Image classification Cả ảnh thuộc loại gì? Một nhãn
Object localization Một vật ở đâu? Một hộp giới hạn
Object detection Có những vật nào, ở đâu? Nhiều hộp kèm nhãn

Cách hoạt động

Các thành phần chính

Quy trình ý niệm

  1. Mô hình quét ảnh và tìm các vùng khả nghi
  2. Đề xuất các vùng có thể chứa vật thể
  3. Phân loại vật trong từng vùng và tinh chỉnh hộp giới hạn
  4. Loại các hộp trùng lặp và giữ dự đoán đáng tin

Nhiều mô hình hiện đại dựa trên mạng nơ-ron tích chập để trích đặc trưng hình ảnh.

Các hướng tiếp cận phổ biến

Hướng hai giai đoạn

Đầu tiên đề xuất vùng ứng viên, sau đó phân loại và định vị. Thường chính xác nhưng tốc độ có thể chậm hơn.

Hướng một giai đoạn

Dự đoán hộp và nhãn trực tiếp trong một lượt duy nhất, ví dụ các mô hình dòng YOLO, ưu tiên tốc độ và phù hợp với video thời gian thực.

Bảng so sánh

Hướng Đặc điểm Thích hợp
Hai giai đoạn Đề xuất vùng rồi phân loại Độ chính xác cao
Một giai đoạn Dự đoán trực tiếp Tốc độ thời gian thực

Ứng dụng

Mối liên hệ với học máy

Object detection là một dạng ứng dụng của học máy và học sâu, thường được huấn luyện trên tập ảnh đã gắn hộp và nhãn. Việc đánh giá dùng các chỉ số đo cả mức đúng nhãn lẫn độ chính xác của hộp, và mô hình phức tạp cũng có thể gặp quá khớp nếu dữ liệu hạn chế.

Hạn chế

FAQ

Object Detection khác phân loại ảnh ở đâu?

Phân loại ảnh gắn một nhãn cho cả ảnh, còn object detection tìm nhiều vật và cho vị trí từng vật bằng hộp giới hạn.

Bounding box là gì?

Là khung chữ nhật bao quanh vật thể, xác định vị trí và kích thước của vật trong ảnh.

YOLO là gì?

Là một dòng mô hình một giai đoạn xử lý nhanh, thường dùng cho phát hiện vật thời gian thực trong video.

Mô hình cần dữ liệu gì để huấn luyện?

Các ảnh đã được gắn nhãn và vẽ hộp giới hạn cho từng vật thể.

Object Detection có hoạt động trong video không?

Có. Mô hình chạy trên từng khung hình và có thể theo dõi vật thể chuyển động qua thời gian.

Tóm tắt

Sources

  1. https://vi.wikipedia.org/wiki/Nh%E1%BA%ADn_d%E1%BA%A1ng_v%E1%BA%ADt_th%E1%BB%83
  2. https://en.wikipedia.org/wiki/Object_detection

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free