物件偵測演算法YOLO，發明人Joseph Redmon提出一張有趣的照片，機器人要能完成煎餅的任務，它必須知道煎餅的所在位置，才能夠將餅翻面，如果有兩張以上的餅，還需知道要翻哪一張，這就是物件偵測的應用。

其他領域也會用到物件偵測，譬如：

  1. 自駕車(Self-driving Car)：需要即時掌握前方路況及閃避障礙物。
  2. 智慧交通：車輛偵測，利用一輛車在兩個時間點的位置，計算車速，進而可以推算道路壅塞的狀況，也可以用來偵測違規車輛。
  3. 玩具、無人機、飛彈…等都可以作類似的應用。
  4. 異常偵測(Anomaly Detection)：可以在生產線上架設攝影機，即時偵測異常的瑕疵，像是印刷電路板、產品外觀…等。
  5. 無人商店的購物籃掃描，自動結帳。

 

國內近幾年也看到許多則新聞報導相關的應用，例如：

  1. 農委會開發AI判圖系統，速揪秋行軍蟲(https://news.ltn.com.tw/news/life/paper/1295336)。
  2. 是痣還是癌／台大拍照上傳，秒讀知結果(https://news.ltn.com.tw/news/life/paper/1298835)。
  3. AI診斷黃斑部病變，準確率逾95％(https://news.ltn.com.tw/news/life/paper/1308494)。

 

物件偵測要能夠同時辨識物件的類別與位置，如果拆開來看就是兩項任務：

  1. 分類(Classification)：辨識物件的類別。
  2. 迴歸(Regression)：找到物件的位置，包括物件左上角的座標和寬度/高度。

圖1. 物件偵測示意圖

傳統的方式就是結合影像金字塔、方向梯度直方圖(HOG），以滑動視窗的方式逐一視窗檢查是否有物件在其中，不過，這種方式太費時了，因此，有學者就導入深度學習演算法，進行物件偵測，目前最夯的演算法就屬YOLO了，不僅辨識速度快，準確率也提高不少。

圖2. 影像金字塔

圖3. 物件偵測導入深度學習演算法的發展趨勢

相關實作可參閱『深度學習-最佳入門邁向AI專題實戰』一書說明。