Anchor Head จัดการกับปัญหากล่องสมอที่ทับซ้อนกันในการตรวจจับวัตถุอย่างไร

ในด้านการตรวจจับวัตถุ ปัญหาของการทับซ้อนกันของกล่องพุกถือเป็นความท้าทายทั่วไปที่อาจส่งผลกระทบอย่างมากต่อความแม่นยำและประสิทธิภาพของกระบวนการตรวจจับ ในฐานะซัพพลายเออร์ชั้นนำของหัวหน้าสมอเราเข้าใจถึงความสำคัญของการแก้ไขปัญหานี้อย่างมีประสิทธิภาพ ในบล็อกโพสต์นี้ เราจะสำรวจว่าเทคโนโลยี Anchor Head ของเราจัดการกับปัญหาการทับซ้อนกันของ Anchor Box และผลกระทบที่มีต่อการตรวจจับวัตถุอย่างไร

ทำความเข้าใจปัญหากล่องพุกทับซ้อนกัน

ก่อนที่จะเจาะลึกโซลูชัน จำเป็นต้องทำความเข้าใจว่าเหตุใดกล่องพุกที่ทับซ้อนกันจึงเกิดขึ้นในการตรวจหาวัตถุ กล่อง Anchor คือกล่องขอบเขตที่กำหนดไว้ล่วงหน้าซึ่งมีขนาดและอัตราส่วนภาพต่างกัน โดยวางไว้ที่ตำแหน่งต่างๆ ในตารางรูปภาพ ทำหน้าที่เป็นจุดเริ่มต้นสำหรับอัลกอริธึมการตรวจจับวัตถุเพื่อทำนายตำแหน่งที่แท้จริงของวัตถุ

กล่องพุกที่ทับซ้อนกันอาจเกิดขึ้นได้จากหลายสาเหตุ ประการแรก การมีวัตถุหลายชิ้นอยู่ใกล้กันในรูปภาพอาจทำให้เกิดการทับซ้อนกันได้ ตัวอย่างเช่น ในฉากถนนที่มีผู้คนพลุกพล่าน คนเดินเท้าและยานพาหนะอาจอยู่ใกล้กันมาก ส่งผลให้กล่องสมอที่สอดคล้องกันทับซ้อนกัน ประการที่สอง ขนาดและรูปร่างของวัตถุที่หลากหลายในภาพจริงหมายความว่าจำเป็นต้องใช้กล่องยึดจำนวนมากเพื่อครอบคลุมทุกกรณีที่เป็นไปได้ กล่องพุกที่มีความหนาแน่นสูงนี้จะเพิ่มโอกาสในการทับซ้อนกัน

ปัญหาเกี่ยวกับกล่องพุกที่ทับซ้อนกันคือสองเท่า ในด้านหนึ่ง จะทำให้เกิดความซ้ำซ้อนในกระบวนการตรวจจับ กล่องยึดหลายกล่องที่อยู่ใกล้กันอาจทำนายวัตถุเดียวกัน ซึ่งทำให้สิ้นเปลืองทรัพยากรและเวลาในการคำนวณ ในทางกลับกัน อาจทำให้เกิดความสับสนในการจำแนกและการแปลวัตถุได้ โมเดลอาจประสบปัญหาในการพิจารณาว่า Anchor Box ใดควรเชื่อมโยงกับวัตถุใดวัตถุหนึ่ง ส่งผลให้ผลการตรวจจับไม่ถูกต้อง

แนวทางของเราในการจัดการกับกล่องพุกที่ทับซ้อนกัน

ที่บริษัทของเรา เทคโนโลยี Anchor Head ของเราใช้วิธีการหลายขั้นตอนเพื่อจัดการกับปัญหากล่องพุกทับซ้อนกัน

1. การออกแบบและการเลือกกล่องสมอ

เราเริ่มต้นด้วยการออกแบบและเลือกกล่องพุกอย่างระมัดระวัง ทีม R&D ของเราดำเนินการวิจัยอย่างกว้างขวางเกี่ยวกับคุณลักษณะของวัตถุเป้าหมาย เช่น ขนาดเฉลี่ย อัตราส่วนภาพ และการกระจายในสถานการณ์ต่างๆ จากการวิจัยนี้ เราได้ปรับชุดกล่องพุกให้เหมาะสมเพื่อลดการทับซ้อนที่ไม่จำเป็น

ตัวอย่างเช่น แทนที่จะใช้ชุด Anchor Box แบบตายตัวสำหรับรูปภาพทุกประเภท เราจะปรับขนาดและอัตราส่วนของ Anchor Box ตามการใช้งานเฉพาะ ในสถานการณ์การตรวจสอบทางอุตสาหกรรมที่วัตถุมีขนาดและรูปร่างค่อนข้างสม่ำเสมอ เราสามารถใช้ชุดกล่องพุกที่ตรงเป้าหมายมากขึ้นได้ วิธีการนี้ไม่เพียงแต่ช่วยลดจำนวนกล่องพุกที่ทับซ้อนกันเท่านั้น แต่ยังช่วยปรับปรุงประสิทธิภาพของแบบจำลองการตรวจจับอีกด้วย

2. การปราบปรามแบบไม่สูงสุด (NMS)

การปราบปรามแบบไม่สูงสุดเป็นเทคนิคที่ใช้กันอย่างแพร่หลายในการตรวจจับวัตถุเพื่อกรองกล่องสมอที่ซ้ำซ้อนและทับซ้อนกัน เทคโนโลยี Anchor Head ของเราใช้ NMS เวอร์ชันขั้นสูง

หลักการพื้นฐานของ NMS คือการจัดเรียงกล่องพุกตามคะแนนความเชื่อมั่น (ความน่าจะเป็นที่กล่องพุกจะมีวัตถุ) จากนั้น เริ่มต้นด้วยกล่องพุกที่มีคะแนนความเชื่อมั่นสูงสุด จากนั้นจะลบกล่องพุกอื่นๆ ทั้งหมดที่มีการทับซ้อนกันในระดับสูงออกซ้ำๆ (โดยปกติจะวัดโดยจุดตัดเหนือสหภาพ - IoU)

อย่างไรก็ตาม NMS แบบเดิมมีข้อจำกัดบางประการ เช่น มีศักยภาพในการระงับการตรวจจับที่ถูกต้องเมื่อวัตถุอยู่ใกล้กันมาก อัลกอริธึม NMS ที่ได้รับการปรับปรุงของเราคำนึงถึงบริบทและความหมายของออบเจ็กต์ สามารถแยกความแตกต่างระหว่างกล่องพุกที่ทับซ้อนกันซึ่งเป็นของวัตถุที่แตกต่างกันและกล่องที่ซ้ำซ้อนอย่างแท้จริง สิ่งนี้ช่วยให้เราสามารถรักษาอัตราการเรียกคืนที่สูงขึ้นในขณะที่ยังคงกำจัดกล่องที่ซ้ำซ้อนได้อย่างมีประสิทธิภาพ

3. กลยุทธ์การกำหนด Anchor Box

สิ่งสำคัญอีกประการหนึ่งของแนวทางของเราคือกลยุทธ์การกำหนดกล่องยึด เมื่อฝึกโมเดลการตรวจจับวัตถุ เราจำเป็นต้องกำหนดวัตถุพื้นฐาน - ความจริงแต่ละอันให้กับกล่องจุดยึดหนึ่งกล่องขึ้นไป

กลยุทธ์ของเราได้รับการออกแบบมาเพื่อลดจำนวนกล่องพุกที่ทับซ้อนกันซึ่งกำหนดให้กับวัตถุเดียวกัน เราใช้การผสมผสานระหว่างเกณฑ์ตามสถานที่และรูปลักษณ์ภายนอกเพื่อดำเนินการมอบหมายงานเหล่านี้ ตัวอย่างเช่น ขั้นแรกเราจะพิจารณา IoU ระหว่างกล่องกราวด์ - ความจริงกับกล่องจุดยึด กล่องยึดที่มี IoU สูงพร้อมกราวด์ - กล่องความจริงมีแนวโน้มที่จะถูกกำหนดมากกว่า แต่เรายังคำนึงถึงลักษณะการมองเห็นของวัตถุด้วยเพื่อให้แน่ใจว่างานที่ได้รับมอบหมายมีความแม่นยำมากขึ้น

กลยุทธ์การมอบหมายงานนี้ไม่เพียงแต่ช่วยลดปัญหาที่ทับซ้อนกันระหว่างการฝึกเท่านั้น แต่ยังช่วยปรับปรุงประสิทธิภาพโดยรวมของแบบจำลองระหว่างการอนุมานอีกด้วย

ประโยชน์ของโซลูชั่นของเรา

วิธีที่เทคโนโลยี Anchor Head ของเราจัดการกับกล่องพุกที่ทับซ้อนกันทำให้เกิดประโยชน์หลายประการต่อระบบตรวจจับวัตถุ

1. ปรับปรุงประสิทธิภาพการคำนวณ

ด้วยการลดจำนวนกล่องพุกที่ซ้ำซ้อนและทับซ้อนกัน ภาระในการคำนวณของแบบจำลองการตรวจจับจึงลดลงอย่างมาก ซึ่งหมายความว่าโมเดลสามารถประมวลผลภาพได้เร็วขึ้น ซึ่งมีความสำคัญอย่างยิ่งในแอปพลิเคชันแบบเรียลไทม์ เช่น การขับขี่อัตโนมัติและกล้องวงจรปิด

2. ความแม่นยำในการตรวจจับที่สูงขึ้น

เทคนิคขั้นสูงของเราในการจัดการกล่องพุกที่ทับซ้อนกัน นำไปสู่การจำแนกวัตถุและการแปลที่แม่นยำยิ่งขึ้น โมเดลมีโอกาสน้อยที่จะสับสนจากการทับซ้อนกันของกล่อง ส่งผลให้ผลบวกลวงและผลลบลวงน้อยลง สิ่งนี้มีความสำคัญอย่างยิ่งในการใช้งานที่ต้องการการตรวจจับที่มีความแม่นยำสูง เช่น การถ่ายภาพทางการแพทย์ และการควบคุมคุณภาพทางอุตสาหกรรม

3. ปรับปรุงความทนทานของโมเดล

การออกแบบกล่องพุกที่ได้รับการปรับปรุง อัลกอริธึม NMS และกลยุทธ์การกำหนด ทำให้โมเดลการตรวจจับวัตถุของเรามีประสิทธิภาพมากขึ้นในสถานการณ์ต่างๆ โดยสามารถรองรับขนาด รูปร่าง และความหนาแน่นของวัตถุได้หลากหลาย และยังคงรักษาประสิทธิภาพที่ดีเมื่อมีวัตถุทับซ้อนกัน

ผลิตภัณฑ์ที่เกี่ยวข้องและการทำงานร่วมกัน

นอกจากของเราแล้วหัวหน้าสมอเรายังนำเสนอเพลาเชื่อมต่อก้านเจาะและก้านสว่านสำหรับการเจาะ- ผลิตภัณฑ์เหล่านี้ทำงานร่วมกันในอุตสาหกรรมการก่อสร้างและการสำรวจ

เพลาเชื่อมต่อก้านเจาะให้การเชื่อมต่อที่เชื่อถือได้ระหว่างส่วนต่างๆ ของก้านสว่าน ช่วยให้การเจาะเป็นไปอย่างราบรื่น ก้านสว่านสำหรับการเจาะได้รับการออกแบบให้ทนทานต่อสภาวะการขุดเจาะที่รุนแรงด้วยวัสดุที่มีความแข็งแรงสูงและกระบวนการผลิตขั้นสูง เมื่อใช้งานร่วมกับ Anchor Head ของเรา ซึ่งให้การตรวจจับวัตถุที่มีประสิทธิภาพสำหรับพื้นที่ที่เจาะ (เช่น การตรวจจับว่ามีวัตถุใต้ดิน) ผลิตภัณฑ์เหล่านี้จะกลายเป็นโซลูชันที่ครอบคลุมสำหรับโครงการก่อสร้างและการสำรวจ

ติดต่อเราเพื่อจัดซื้อจัดจ้าง

หากคุณสนใจในเทคโนโลยี Anchor Head ของเราหรือผลิตภัณฑ์ใดๆ ที่เกี่ยวข้องของเรา เราขอเชิญคุณติดต่อเราเพื่อขอจัดซื้อจัดจ้างและหารือเพิ่มเติม ทีมผู้เชี่ยวชาญของเราพร้อมที่จะให้ข้อมูลโดยละเอียด การสนับสนุนด้านเทคนิค และโซลูชันที่ปรับแต่งตามความต้องการเฉพาะของคุณ ไม่ว่าคุณจะทำงานในโครงการก่อสร้างขนาดใหญ่ งานตรวจสอบทางอุตสาหกรรม หรือการประยุกต์ใช้ในการวิจัย ผลิตภัณฑ์ของเราสามารถมอบประสิทธิภาพและความน่าเชื่อถือตามที่คุณต้องการ

อ้างอิง

• Girshick, R., Donahue, J., Darrell, T., & Malik, J. (2014) ลำดับชั้นคุณลักษณะที่หลากหลายสำหรับการตรวจจับวัตถุที่แม่นยำและการแบ่งส่วนความหมาย ใน รายงานการประชุม IEEE เรื่องคอมพิวเตอร์วิทัศน์และการจดจำรูปแบบ
• Ren, S., He, K., Girshick, R., & Sun, J. (2015) R - CNN ที่เร็วขึ้น: สู่การตรวจจับวัตถุแบบเรียลไทม์ด้วยเครือข่ายข้อเสนอระดับภูมิภาค ในความก้าวหน้าของระบบประมวลผลข้อมูลประสาท
• เรดมอน เจ. และฟาร์ฮาดี เอ. (2018) YOLOv3: การปรับปรุงที่เพิ่มขึ้น arXiv พิมพ์ล่วงหน้า arXiv:1804.02767