ระดับเนื้อหา: Overview / Implementation considerations
หลักการและการเลือกใช้
YOLO เป็นตระกูล object detector ที่ทำนายตำแหน่งกับ class จากภาพ ชื่อ YOLO ครอบคลุมหลายรุ่นและผู้พัฒนา สถาปัตยกรรม รูปแบบ output และสิทธิ์ใช้ไม่เหมือนกัน จึงอ้างผลข้ามรุ่นไม่ได้
สำหรับผู้อ่านทั่วไป YOLO เป็นแนวทางหาตำแหน่งสิ่งของในภาพ ไม่ใช่ชื่อความสามารถอ่านค่าทุกประเภท ผลมักมีกรอบ ชนิดวัตถุ และคะแนนเพื่อให้ขั้นต่อไปใช้ต่อ ชื่อที่เหมือนกันอาจมีรุ่นย่อยต่างกันมาก การพิจารณาจึงต้องรู้ว่ารุ่นใดรับข้อมูลอย่างไรและใช้ในบทบาทใด ไม่ใช้ความนิยมของชื่อแทนหลักฐานว่าตรงกับหน้าปัดหรืออุปกรณ์ที่สนใจ
วิศวกรต้องตรวจรูปแบบผลดิบและขั้นหลังโมเดลของรุ่นที่เลือก บางเส้นทางรวมการกรองกรอบแล้ว ขณะที่อีกเส้นทางต้องทำเพิ่ม หากทำซ้ำอาจลบผลที่ควรเก็บ ต้องล็อกขนาดภาพ วิธีเติมขอบ การปรับพิกเซล และการคืนพิกัด พร้อมตรวจสิทธิ์ใช้โค้ดกับน้ำหนักแยกกัน การอ้างบทความต้นฉบับช่วยอธิบายแนวคิด ไม่ทำให้เงื่อนไขของรุ่นภายหลังเหมือนกัน
เลื่อนแผนภาพซ้าย–ขวาเพื่อดูรายละเอียดครบทุกส่วน
ตัวอย่างในบริบทอุตสาหกรรม
ตัวอย่างเชิงออกแบบ: ใช้ detector หาเกจแต่ละเรือนแล้วให้ตัวอ่านอีกส่วนแปลงเข็มเป็นค่า บทความนี้ไม่ได้ระบุว่า GaugeSnap ใช้ YOLO รุ่นใดหรือมีสิทธิ์ใช้งานแบบใด
สมมติทดลองตรวจเกจเล็กบนแผงขนาดใหญ่ การย่อภาพให้เข้าขนาดโมเดลอาจยังเห็นวงหน้าปัดแต่ไม่เห็นเข็ม ตัวตรวจอาจทำงานได้ดีขณะที่ตัวอ่านใช้ภาพที่ย่อแล้วไม่ได้ ควรตัดบริเวณจากภาพต้นฉบับตามพิกัดที่แปลงกลับถูกต้อง และตรวจว่ากรอบมีรายละเอียดครบ ไม่สรุปว่าระบบอ่านดีจากภาพแสดงกรอบที่ดูตรงเพียงอย่างเดียว
วิศวกรเทียบรุ่นน้ำหนักที่เลือกด้วยข้อมูลเดียวกันและกติกากรองเดียวกันตามที่เหมาะสม แล้วทดสอบผลหลังส่งออกกับผลก่อนส่งออก หากผลต่าง ให้ตรวจช่องสี การเติมขอบ และขั้นลดกรอบซ้ำก่อนกล่าวว่ารุ่นส่งออกด้อยกว่า บันทึกแหล่งน้ำหนักและการตั้งค่าร่วมกับผล เพื่อให้ทีมอื่นทำซ้ำการทดลองได้โดยไม่ต้องเดาจากชื่อ YOLO สั้น ๆ
ขั้นตอนศึกษาและทดลอง
- 1 บันทึกรุ่น model size weights แหล่งที่มาและ license ที่เลือก
- 2 ฝึกหรือ fine-tune ด้วยกรอบที่ครอบรายละเอียดสำหรับตัวอ่าน
- 3 วัด export runtime และ NMS บนเครื่องเป้าหมายโดยรวม preprocessing
วิธีประเมินและนิยามผล
รายงาน AP รายขนาดเกจ recall ที่ threshold ใช้จริง และ latency ตาม resolution, batch, precision และฮาร์ดแวร์ที่ระบุ ไม่ยก benchmark ผู้พัฒนามาเป็นคำรับรองหน้างาน
Benchmark คือผลทดสอบภายใต้เงื่อนไขที่กำหนด ไม่ใช่เวลาที่ทุกระบบจะทำได้ Batch คือจำนวนภาพที่ประมวลผลร่วมกัน ส่วน precision ในบริบทคำนวณหมายถึงรูปแบบตัวเลขซึ่งต่างจาก precision ของการตรวจกรอบ ต้องอธิบายคำให้ไม่สับสน และระบุว่ารวมการรับภาพ เตรียมข้อมูล และส่งผลในเวลาที่รายงานหรือไม่ก่อนเทียบผลกับข้อกำหนดงาน
วิศวกรวัดกรอบที่พบและจำนวนบริเวณที่อ่านต่อได้ พร้อมกรณีไม่มีเกจและกรอบซ้ำ แยกผลตามขนาดและความหนาแน่นของแผง แล้วตรวจการจับคู่กรอบกับชื่ออุปกรณ์ด้วย เก็บเวลาระหว่างทำงานต่อเนื่องที่ควบคุมได้ ไม่เลือกภาพที่ง่ายที่สุดมารายงาน และตรวจทั้งคุณภาพผลกับการใช้หน่วยความจำหลังส่งออก เพราะไฟล์โหลดได้ไม่เท่ากับใช้งานได้ตรงกับรุ่นที่ประเมิน
ข้อจำกัดและกรณีผิดพลาด
กรอบตรวจจับไม่รับรองเลขหรือมุมเข็มถูก เกจเล็กอาจสูญรายละเอียดหลังย่อภาพ และรุ่นใหม่ไม่จำเป็นต้องเหมาะกับอุปกรณ์เดิม
รุ่นที่มีผลดีในภาพทั่วไปอาจไม่เหมาะกับหน้าปัดที่คล้ายกันหลายเรือนหรือพื้นหลังโลหะเงา ต้องมีตัวอย่างผิดชนิดและกรณีขอบภาพในชุดตรวจ การเปลี่ยนรุ่นอาจเปลี่ยนความหมายคะแนนหรือการกรอง ทำให้เกณฑ์เดิมไม่เหมาะ แม้โปรแกรมยังรับผลได้ จึงควรทดสอบเกณฑ์ใหม่ด้วยข้อมูลพัฒนาและตรวจชุดทดสอบแยก ไม่ย้ายตัวเลขตั้งค่ามาโดยไม่ประเมิน
การเลือกโมเดลเล็กช่วยจำกัดทรัพยากรแต่ต้องตรวจเป้าหมายเล็ก ส่วนโมเดลใหญ่เพิ่มภาระส่งออกและอุปกรณ์ ต้องพิจารณาต้นทุนรวมกับสิทธิ์ใช้และการดูแลเวอร์ชัน บทความนี้ให้แนวทางทดลอง ไม่ยืนยันว่าแพลตฟอร์มรองรับรุ่นใดในปัจจุบัน และไม่ใช้ผลสาธารณะเป็นคำรับรองความเร็ว ความแม่นยำ หรือความพร้อมใช้ในสายการผลิตที่ยังไม่มีหลักฐานทดสอบเฉพาะ
รายการตรวจสอบก่อนนำไปใช้
- ตรวจ license ของโค้ดและ weights แยกกันหรือไม่
- บันทึก input size และ NMS หรือไม่
- มีผลทดสอบหลัง export หรือไม่