Материал из MachineLearning.

Статья написана с использованием LLM OpenAI GPT-5.5 и проверена участником Georgii Maiorov Georgii Maiorov 18:43, 18 июля 2026 (MSD)

Содержание 1 Детекция объектов 1.1 Постановка задачи 1.2 Место среди задач компьютерного зрения 1.3 Основные подходы 1.4 Оценка качества 1.5 Основные трудности 1.6 Применение 1.7 См. также 1.8 Литература

Детекция объектов

Детекция объектов (англ. object detection) — задача компьютерного зрения, заключающаяся в обнаружении объектов на изображении или видеопотоке, определении их положения и распознавании их класса. В отличие от классификации изображений, где требуется определить лишь присутствие объектов определённых категорий, детекция должна ответить сразу на три вопроса: какие объекты присутствуют на изображении, где они расположены и сколько их найдено.

Детекция объектов является одной из центральных задач современного машинного обучения и компьютерного зрения. Большинство практических систем, работающих с изображениями, используют именно детекторы объектов как первый этап анализа сцены. На основе результатов детекции строятся более сложные алгоритмы отслеживания объектов, анализа поведения, трёхмерной реконструкции сцены, автономной навигации и робототехнических систем.

Постановка задачи

Пусть задано изображение . Требуется определить множество объектов

где

• — ограничивающий прямоугольник (bounding box), задающий положение объекта;
• — класс объекта;
• — оценка уверенности модели в правильности предсказания.

Иными словами, алгоритм должен одновременно решить две взаимосвязанные задачи:

• локализовать все объекты на изображении;
• классифицировать каждый найденный объект.

Именно необходимость совместного решения этих задач делает детекцию существенно сложнее обычной классификации изображений.

Место среди задач компьютерного зрения

Детекцию объектов часто путают с другими задачами компьютерного зрения, однако между ними существуют принципиальные различия.

Задача	Результат
Классификация изображений	Определение класса всего изображения
Локализация объекта	Один объект и его положение
Детекция объектов	Все объекты на изображении, их положение и классы
Семантическая сегментация	Класс каждого пикселя изображения

Например, для фотографии городской улицы классификатор может определить, что на изображении присутствует автомобиль. Детектор дополнительно укажет местоположение каждого автомобиля, пешехода и дорожного знака. Задача семантической сегментации идёт ещё дальше, определяя принадлежность каждого пикселя конкретному объекту или классу.

Основные подходы

Исторически методы детекции развивались от классических алгоритмов компьютерного зрения к глубоким нейронным сетям.

Современные методы принято делить на несколько семейств.

Двухэтапные детекторы сначала определяют области, в которых могут находиться объекты, после чего отдельно классифицируют каждую найденную область. Такой подход обычно обеспечивает высокую точность, но требует больших вычислительных затрат. Классическими представителями являются R-CNN, Fast R-CNN и Faster R-CNN.

Одноэтапные детекторы выполняют локализацию и классификацию одновременно за один проход модели. Благодаря этому они значительно быстрее и подходят для работы в реальном времени. Наиболее известные представители — YOLO и SSD.

В последние годы активно развиваются методы на основе трансформеров. Наиболее известным представителем является DETR, рассматривающий детекцию как задачу непосредственного предсказания множества объектов без отдельного этапа генерации областей.

Оценка качества

Качество детектора определяется не только правильностью классификации объектов, но и точностью их локализации.

Для сравнения ограничивающих прямоугольников обычно используют метрику Intersection over Union (IoU), измеряющую степень пересечения предсказанного и истинного прямоугольников.

На основе IoU вычисляются показатели Precision, Recall и наиболее распространённая интегральная характеристика качества — Mean Average Precision (mAP). Именно mAP является основной метрикой большинства современных соревнований и наборов данных по детекции объектов.

Основные трудности

Несмотря на быстрый прогресс глубокого обучения, задача детекции остаётся сложной.

Основные причины этого:

• большое разнообразие размеров объектов;
• произвольное положение объектов в кадре;
• взаимные перекрытия объектов;
• изменение освещения и условий съёмки;
• сложный и неоднородный фон;
• необходимость одновременно обеспечивать высокую точность и высокую скорость работы.

Именно поэтому универсального детектора, одинаково хорошо работающего во всех условиях, не существует. Выбор архитектуры обычно определяется требованиями конкретной прикладной задачи.

Применение

Детекция объектов используется во многих областях науки и промышленности.

Наиболее распространённые применения включают:

• системы автономного вождения;
• интеллектуальное видеонаблюдение;
• медицинский анализ изображений;
• промышленный контроль качества;
• робототехнику;
• дистанционное зондирование Земли;
• анализ спутниковых снимков.

Во многих из этих задач детекция является лишь первым этапом обработки данных. После обнаружения объектов могут выполняться их отслеживание, идентификация, оценка позы или анализ взаимодействий между ними.

См. также

• Компьютерное зрение
• Классификация изображений
• Семантическая сегментация
• Отслеживание объектов
• YOLO
• Faster R-CNN

Литература

1. Szeliski R. Computer Vision: Algorithms and Applications. Springer, 2022.
2. Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, 2016.
3. Redmon J. et al. You Only Look Once: Unified, Real-Time Object Detection. 2016.
4. Ren S. et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. 2015.
5. Carion N. et al. End-to-End Object Detection with Transformers. 2020.