查看原文
其他

从猫狗不分到实时识别准确率超过99%,计算机图像识别是如何做到的?

IT服务圈儿 2022-09-11

The following article is from CDA数据分析师 Author CDA数据分析师

作者丨Mika来源丨CDA数据分析师(ID:cdacdacda)



【导读】

十年前,研究人员认为让计算机来区分猫和狗几乎是不可能的。如今,计算机视觉识别的准确率已超过99%。Joseph Redmon通过一个叫YOLO的开源目标检测方法,可以迅速识别图像和视频中的目标

点击下方视频,先睹为快:

👇👇👇


10年前,计算机视觉研究者认为,要让一台电脑去分辨出一只猫和狗的不同之处,这几乎是不可能的,即便是在当时人工智能已经取得了重大突破的情况下。


Joseph Redmon家养的猫


Joseph Redmon家养的狗


但如今我们已经可以做到让它的正确率在99%以上。这个方法叫做图像分类,给它一张图,再给这张图贴上标签。通过这种方式,计算机就可以知道数千种的分类。


我是华盛顿大学的一名研究生,我正致力于一个名叫Darknet的项目,这是一个用来训练和测试计算机视觉模型的神经网络结构。


Joseph Redmon所进行的Darknet项目


让我们来看看Darknet是如何看待这张图片。



当我们在这张图片上运行识别器时,我们注意到,它不仅能判断出图片上是猫是狗,还能给出它是哪个品种的预测。这就是我们目前所达到的粒度级别。


它的预测是正确的,我的狗的确是一只阿拉斯加雪橇犬。


很明显,我们在图像识别上取得了惊人的进步。但是如果我们对这样一张图片运行识别器,会如何呢? 



看一下,我们看到识别器给出了一个非常相似的预测。而且是正确的,图中是有一只阿拉斯加雪橇犬。但只使用这一个标签,我们并不能真正的了解这张图片,我们需要更强大的检测器。


我正在研究一个叫做目标检测的问题,也就是尝试将一张图上的所有目标物都找出来,然后将它们分别框起来,再加上标注。


这就是我们对这张照片运行检测器时所发生的。基于这样的结果,我们可以用计算机视觉算法做更多的事情。


我们发现,它知道这里有一只猫和一只狗。知道它们的相对位置,它们的大小,甚至还知道一些额外的信息,例如背景里有一本书。



如果你想建立一个基于计算机视觉的系统,比如说无人驾驶汽车或者机器人系统,这就是你想要得到的信息。你需要一个能与物质世界互动的系统。


速度对于目标检测至关重要


当我最开始开展目标检测项目时,它要花20秒去处理一张图片。


为了理解为什么速度在这个领域是如此重要。举一个例子,这是一个2秒钟就能处理一张图片的检测器。这个检测器的速度要比处理每张图需要20秒的检测器快10倍。可以看到在它做出预测的时候,被检测的世界已经发生变化了。这对于一个应用来说是没有多大用处的。


每2秒处理一张图


如果我们将它的速度再提升10倍,这个检测器每秒可处理5张画面,这就好很多了。


每秒处理5张图


但是,举个例子。如果有任何重大的移动,它就反应不过来了。我可不想让这样的一个系统来驾驶我的汽车。


这是在我电脑上运行的实时检测系统。当我在移动时,它能顺利地追踪我。而且它强大到能适应不同的物体大小、姿势、向前、向后的改变,很了不起。


实时检测系统


如果我们想要建造一个基于计算机视觉的系统,那么这就是我们真正需要的。


仅仅是几年的时间,我们就从每张图20秒提升到了每张图20毫秒,速度提高了1000倍。我们是如何做到的呢?


目标检测将图片分成小区域进行识别


过去,目标检测系统会将这张图片分成很多小区域,然后在每一块区域运行一下识别器。在识别器中获得最高分数的输出就会被认为是这张图片的检测结果。这涉及到要在一张图片上运行数千次识别器,以及数千次的神经网络评估才能获得检测结果。



而现在,我们训练了可以做出所有检测的单一网络,它能同时生成边界盒和类别概率。


使用我们的系统,不需要为了生成检测结果去重复上千数次地看同一张图片,只看一次就行了。这也是为什么我们称之为,目标检测的"YOLO(you only look once)法"(只看一次)。



有了这个速度,我们就不仅限于识别图像了,还可以实时处理视频。现在我们不仅看到了猫和狗,还能看到它们走来走去,互相嘻戏。



这是一个我们在微软的COCO数据库上,用80种不同种类的物品训练过的检测器。包含了各种东西,像勺子、叉子、碗等常见物品。



还有各种奇特的东西,动物、汽车、斑马、长颈鹿。



现在我们要做点儿有趣的事情,我们的摄像头将要对准观众区看看能检测出什么。


我们把检测阀值调低一点,这样就可以找出更多的观众。看下我们能不能找出这些停车标志,我们发现了一些背包。所有这些都是在电脑上实时处理的。



请大家记住,这是一个通用的目标检测系统。因此我们可以将它训练用于任何领域的图像识别。


拓展到自动驾驶汽车、机器人甚至癌症检测等应用领域


我们在无人驾驶汽车中,用来发现停车标志 行人和自行车的代码,同样可以用于在组织活检中找出癌细胞。全球已经有很多研究者正在利用这一技术在医学、机器人学等方面取得了进展。


今天早上,我刚读到一篇文章,人们在内罗毕国家公园对动物数量进行普查,使用了YOLO作为检测系统的一部分。因为Darknet是一个开源项目,在公共领域任何人都可以免费使用。


但是我们想要让检测器能被更多人使用,也更好用因此通过结合模型优化,网络二值化和近似法,我们实际上已经可以在手机上进行目标检测了。



我真的很激动,因为我们在初级计算机视觉问题上有了强大的解决方案,同时任何人都可以使用它来做些什么。


接下来就看所有在座的各位,以及世界上所有能够使用这个软件的人了。我已经等不及想要看看,人们会用这一技术创造出什么来了,谢谢大家。


1、官网买iPhone,到手却变苹果味饮料?嫌犯抓到了!!

2、300 多行代码搞定微信 8.0 的「炸」「裂」特效!

3、为什么我们很难看到代码 5 分钟前的样子?

4、米聊关停一周后复活,变身“中国版Clubhouse”又回来了?

识别关注我们

了解更多精彩内容

点分享

点点赞

点在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存