計算機視覺物體檢測中所面對的挑戰
作者:Exposit
編譯:ronghuaiyang
導讀
給出了目前目標檢測中的一些問題和挑戰。
幾年前,在圖像中尋找並分類單個物體是一項極其困難的任務。今天,在計算機視覺的幫助下,數字設備可以簡單快速地識別圖像的內容,這爲不同領域的視覺數據理解和分析開闢了新的途徑。
現在的物體檢測的作用是什麼?
具有目標檢測的設備可以找到目標,在其周圍畫出矩形邊界框,並確定每個被檢測目標的類別。目標檢測應用程序應用於許多不同的行業,包括零售、體育、醫療保健、營銷、室內設計、農業、建築、公共安全、交通等。
使用計算機視覺目標檢測的一個很好的例子是足球學校系統,旨在提高訓練分析和俱樂部內比賽的質量。該平臺允許用戶使用攝像頭跟蹤足球運動員和足球在球場上的運動,並使用收集到的數據創建個人訓練計劃。
儘管在這一領域取得了巨大的進展,計算機視覺的能力也很強,但目標檢測是一個複雜的過程,其實現需要經歷一定的挑戰。
目標檢測面臨的挑戰有哪些?
-
視角的多樣性
物體檢測的最大困難之一是,從不同的角度看一個物體可能看起來完全不同。例如,你可以在下面看到的蛋糕圖片各不相同,因爲它們從不同的側面展示物體。因此,檢測器的目標是從不同的角度來識別物體。
-
變形
計算機視覺分析的主題不僅是一個固體目標,而且還可以變形和改變其形狀,這爲目標檢測提供了額外的複雜性。
看看足球運動員擺出不同姿勢的圖片。如果物體檢測器被訓練爲只發現站立或奔跑的人,它可能無法發現躺在球場上或準備彎腰做動作的球員。
-
遮擋
有時,物體會被其他東西遮擋住,這使得人們很難辨認這些物體的標誌。例如,在下面的第一張圖片中,一個杯子被拿這個杯子的人的手蓋住了。
在第二幅圖中,一個人也拿着手機,手擋住了物體。這種情況增加了確定目標的困難。
-
光照條件
照明對物體的定義有很大的影響。相同的物體會因光照條件的不同而看起來不同。看看下面的圖片:照亮的空間越少,物體就越不可見。所有這些因素都會影響檢測器定義目標的能力。
-
雜亂或有紋理的背景
需要識別的物體可能會融入背景中,使其難以識別。例如,下圖顯示了很多物品,在識別剪刀或其他感興趣的物品時,這些物品會造成干擾。在這種情況下,目標檢測器將遇到檢測問題。
-
多樣性
同一個物體可能有完全不同的形狀和大小。計算機視覺需要做大量的研究來閱讀一個物體並理解它的含義。
上面所有的圖片都描述了不同類型的房子。一個好的檢測器應該檢測這些目標,並將它們分配給同一個類。
-
速度
在視頻方面,探測器需要經過訓練,以便在不斷變化的環境中進行分析。這意味着目標檢測算法不僅必須準確地分類重要的目標,而且還必須在預測過程中具有令人難以置信的速度,以便能夠識別運動中的目標。
英文原文:https://exposit.medium.com/computer-vision-object-detection-challenges-faced-9a927f9c5623
本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源:https://mp.weixin.qq.com/s/zykmk2RsA11ycgvvnqLRlw