Детекція об'єктів локалізує та класифікує множинні об'єкти на зображеннях або відеокадрах. На відміну від класифікації, яка присвоює одну мітку на зображення, детекція повертає обмежувальні рамки з мітками класів та показниками впевненості. Продакшн-системи вимагають балансу між точністю, швидкістю та обмеженнями ресурсів.

Де використовується

Детекція об'єктів забезпечує візуальне розуміння в різних галузях:

Автономні транспортні засоби: Детекція пішоходів, транспорту, знаків та перешкод
Рітейл: Моніторинг полиць, магазини без кас, відстеження запасів
Виробництво: Виявлення дефектів, контроль якості, моніторинг безпеки
Безпека: Відеоспостереження, виявлення вторгнень, моніторинг натовпу
Медицина: Медичні зображення, підрахунок клітин, локалізація пухлин
Сільське господарство: Моніторинг врожаю, виявлення шкідників, оцінка врожайності

Продукти: Tesla Autopilot, Amazon Go, Google Lens, розмітка фото Facebook, робототехніка складів.

Типові дані

Аспект	Типові значення
Роздільна здатність	416x416 до 1920x1080
Об'єктів на зображення	1 до 100+
Класів	5 до 1,000+
Навчальних зображень	1K до 1M розмічених
Формат анотацій	COCO, Pascal VOC, YOLO

Що робимо на практиці

Визначити вимоги - Які об'єкти, яка точність, яка швидкість?
Зібрати та розмітити дані - Якісні анотації критичні
Обрати архітектуру - Одноетапна vs двоетапна залежно від потреб
Обрати backbone - ResNet, EfficientNet або кастомний
Навчити baseline - Pre-trained модель з мінімальним fine-tuning
Агресивна аугментація - Flips, crops, color jitter, mosaic
Тюнінг гіперпараметрів - Learning rate, anchor boxes, NMS thresholds
Оптимізація для деплою - Квантизація, pruning, TensorRT
Деплой з моніторингом - Відстеження швидкості інференсу, якості
Обробка edge cases - Fallback поведінка для незвичних inputs

Baseline спочатку

Почніть з pre-trained YOLOv8 моделі:

from ultralytics import YOLO

# Завантажити pre-trained модель
model = YOLO('yolov8n.pt')  # nano версія для швидкості

# Fine-tune на вашому датасеті
model.train(
    data='dataset.yaml',
    epochs=100,
    imgsz=640,
    batch=16
)

Поширені моделі

Модель	Швидкість	Точність	Найкраще для
YOLOv8-nano	640 FPS	mAP ~37	Edge пристрої, real-time
YOLOv8-small	400 FPS	mAP ~45	Баланс швидкість/точність
YOLOv8-large	80 FPS	mAP ~53	Висока точність
Faster R-CNN	15 FPS	mAP ~42	Кращий для дрібних об'єктів
DETR	20 FPS	mAP ~42	Transformer-based, без NMS

Метрики оцінки

Метрика	Опис	Застосування
mAP@0.5	Mean AP при IoU=0.5	Загальна якість детекції
mAP@0.5:0.95	Середнє по IoU thresholds	COCO стандарт, суворіший
Precision	Правильні детекції / всі детекції	Висока ціна false positives
Recall	Правильні детекції / всі ground truth	Важливо не пропустити
FPS	Кадрів на секунду	Real-time вимоги

Типові проблеми та дебагінг

[ ] Дрібні об'єкти пропущені: Потрібна вища роздільність або FPN
[ ] Об'єкти, що перетинаються, злиті: NMS threshold занадто агресивний
[ ] False positives на фоні: Потрібен hard negative mining
[ ] Плутанина класів: Схожі класи потребують більше даних
[ ] Погана генералізація: Недостатня аугментація, domain shift
[ ] Повільний інференс: Модель занадто велика, потрібна оптимізація

Чекліст продакшену

Перед деплоєм: - [ ] Модель протестована на репрезентативних даних - [ ] Швидкість інференсу відповідає вимогам - [ ] Модель оптимізована (квантизація, TensorRT) - [ ] Confidence threshold налаштований - [ ] NMS параметри валідовані

Після деплою: - [ ] Латентність інференсу моніториться (p50, p99) - [ ] Розподіл confidence відстежується - [ ] False positive rate моніториться - [ ] Версіонування моделі

Інструменти

Категорія	Інструменти
Навчання	Ultralytics, Detectron2, MMDetection
Розмітка	CVAT, Label Studio, Roboflow
Оптимізація	TensorRT, ONNX Runtime, OpenVINO
Edge деплой	TensorFlow Lite, CoreML, NCNN
Відео трекінг	DeepSORT, ByteTrack, SORT

Пов'язані сторінки

Індекс: ML Field Guide
Класифікація зображень
MLOps основи

Додаткове читання

Спробуйте наживо

Дослідіть пов'язану модель на практиці: відкрийте Object Detection Playground і змінюйте параметри під час роботи. Усе лишається у вашому браузері.

▶ Відкрити симуляцію Object Detection Playground

Детекція об'єктів у продакшені