4.7 KiB
YOLO - Você Só Olha Uma Vez
YOLO é um algoritmo de uma única passagem em tempo real. A ideia principal é a seguinte:
- A imagem é dividida em regiões de
S\times S - Para cada região, a CNN prevê
npossíveis objetos, as coordenadas da bounding box e confiança = probabilidade * IoU.
SSD - Single Shot MultiBox Detector
O SSD é outro método de detecção em uma única passagem. Ele funciona de maneira semelhante ao YOLO, mas usa diferentes escalas de detecção em várias camadas da rede.
Imagem de oficial paper
RetinaNet
O RetinaNet introduz a ideia de Focal Loss, que ajuda a lidar com o problema de classes desbalanceadas em detecção de objetos. Ele usa uma arquitetura de rede semelhante ao SSD, mas com um foco maior em melhorar a precisão na detecção de objetos menos frequentes.
Imagem de oficial paper
Conclusão
A detecção de objetos é uma área ativa de pesquisa em visão computacional. Com o advento de novas arquiteturas e técnicas, como YOLO, SSD e RetinaNet, a precisão e a eficiência dos algoritmos de detecção de objetos continuam a melhorar. O uso de redes neurais profundas e técnicas de aprendizado de máquina tem revolucionado essa área, tornando-a mais acessível e eficaz em uma variedade de aplicações do mundo real.
Imagem do artigo oficial
Outros Algoritmos
- RetinaNet: artigo oficial
- Implementação em PyTorch no Torchvision
- Implementação em Keras
- Detecção de Objetos com RetinaNet nos Exemplos do Keras
- SSD (Single Shot Detector): artigo oficial
✍️ Exercícios: Detecção de Objetos
Continue seu aprendizado no seguinte notebook:
Conclusão
Nesta lição, você fez um tour rápido por todas as diversas maneiras de realizar a detecção de objetos!
🚀 Desafio
Leia esses artigos e notebooks sobre YOLO e experimente por conta própria
- Bom post de blog descrevendo o YOLO
- Site oficial
- Yolo: implementação em Keras, notebook passo a passo
- Yolo v2: implementação em Keras, notebook passo a passo
Quiz pós-aula
Revisão & Autoestudo
- Detecção de Objetos por Nikhil Sardana
- Uma boa comparação de algoritmos de detecção de objetos
- Revisão de Algoritmos de Aprendizado Profundo para Detecção de Objetos
- Uma Introdução Passo a Passo aos Algoritmos Básicos de Detecção de Objetos
- Implementação do Faster R-CNN em Python para Detecção de Objetos
Tarefa: Detecção de Objetos
Aviso Legal:
Este documento foi traduzido utilizando serviços de tradução automática baseados em IA. Embora nos esforcemos pela precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se a tradução profissional feita por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações errôneas decorrentes do uso desta tradução.