Deteksi objek

Deteksi objek adalah teknologi komputer yang terkait dengan visi komputer dan pemrosesan gambar yang berhubungan dengan pendeteksian contoh objek semantik dari kelas tertentu (seperti manusia, bangunan, atau mobil) dalam gambar dan video digital.^[1] Domain deteksi objek yang diteliti dengan baik meliputi deteksi wajah dan deteksi pejalan kaki. Deteksi objek memiliki aplikasi di banyak bidang visi komputer, termasuk pengambilan gambar dan pengawasan video.

Objek yang dideteksi dengan modul Deep Neural Network OpenCV menggunakan model YOLOv3 yang dilatih pada dataset COCO yang mampu mendeteksi objek dari 80 kelas umum

Penggunaan

Deteksi pada objek di jalan

Deteksi objek banyak digunakan dalam tugas-tugas visi komputer seperti anotasi gambar,^[2] penghitungan kendaraan,^[3] pengenalan aktivitas,^[4] deteksi wajah, pengenalan wajah, ko-segmentasi objek video. Ia juga digunakan dalam pelacakan objek, misalnya pelacakan bola selama pertandingan sepak bola, pelacakan pergerakan tongkat kriket, atau pelacakan seseorang dalam video.

Sering kali, gambar uji diambil sampelnya dari distribusi data yang berbeda, sehingga membuat tugas deteksi objek menjadi jauh lebih sulit.^[5] Untuk mengatasi tantangan yang disebabkan oleh kesenjangan domain antara data pelatihan dan data uji, banyak pendekatan adaptasi domain tanpa pengawasan telah diusulkan.^{[5][6][7][8][9]} Solusi sederhana dan langsung untuk mengurangi kesenjangan domain adalah dengan menerapkan pendekatan penerjemahan gambar ke gambar, seperti cycle-GAN.^[10] Di antara penggunaan lainnya, deteksi objek lintas domain diterapkan dalam mengemudi otonom, di mana model dapat dilatih pada sejumlah besar adegan permainan video, karena label dapat dibuat tanpa tenaga kerja manual.