How computers learn to recognize objects instantly | Joseph Redmon

Translator: Ivana Setiadi Reviewer: Rifkul Uswati

Ten years ago,

Sepuluh tahun lalu,

computer vision researchers thought that getting a computer

peneliti penglihatan komputer merasa bahwa memerintahkan

to tell the difference between a cat and a dog

komputer membedakan kucing dan anjing

would be almost impossible,

hampir dikatakan mustahil,

even with the significant advance in the state of artificial intelligence.

bahkan dengan kemajuan signifikan dalam bidang kecerdasan buatan.

Now we can do it at a level greater than 99 percent accuracy.

Sekarang, kita dapat melakukannya dengan akurasi lebih dari 99 persen.

This is called image classification --

Inilah yang disebut klasifikasi gambar,

give it an image, put a label to that image --

taruhlah satu gambar, beri label gambar itu,

and computers know thousands of other categories as well.

dan komputer juga akan tahu ribuan kategori lainnya.

I'm a graduate student at the University of Washington,

Saya mahasiswa pascasarjana di University of Washington,

and I work on a project called Darknet,

dan sedang mengerjakan projek Darknet,

which is a neural network framework

yaitu kerangka kerja jaringan saraf

for training and testing computer vision models.

untuk melatih dan menguji model penglihatan komputer.

So let's just see what Darknet thinks

Mari kita lihat apa yang Darknet pikirkan

of this image that we have.

mengenai gambar ini.

When we run our classifier

Saat kita menjalankan alat klasifikasi

on this image,

pada gambar ini,

we see we don't just get a prediction of dog or cat,

kita melihat tidak hanya prediksi anjing dan kucing,

we actually get specific breed predictions.

tetapi juga prediksi turunannya secara spesifik.

That's the level of granularity we have now.

Kita juga mendapat prediksi lebih detail lagi.

And it's correct.

Yap, itu benar.

My dog is in fact a malamute.

Anjing saya memang dari jenis malamute.

So we've made amazing strides in image classification,

Kita sudah membuat langkah luar biasa dalam klasifikasi gambar,

but what happens when we run our classifier

bagaimana jika alat klasifikasi dijalankan

on an image that looks like this?

pada gambar seperti ini?

Well ...

Mari kita lihat...

We see that the classifier comes back with a pretty similar prediction.

Alat klasifikasi memberikan prediksi yang lumayan mirip.

And it's correct, there is a malamute in the image,

Yap, itu benar, ada seekor malamute dalam gambar,

but just given this label, we don't actually know that much

tapi jika hanya dari labelnya, kita tidak tahu banyak tentang

about what's going on in the image.

apa yang terjadi dalam gambar itu.

We need something more powerful.

Kita butuh lebih dari itu.

I work on a problem called object detection,

Saya memikirkan satu persoalan disebut deteksi objek,

where we look at an image and try to find all of the objects,

yaitu kita melihat gambar dan mencoba mencari semua objek,

put bounding boxes around them

membuat kotak pembatas,

and say what those objects are.

dan melabeli semua objek itu.

So here's what happens when we run a detector on this image.

Jadi, seperti inilah jika detektor dijalankan pada gambar.

Now, with this kind of result,

Dengan hasil seperti ini, banyak yang bisa

we can do a lot more with our computer vision algorithms.

dilakukan dengan algoritme penglihatan komputer.

We see that it knows that there's a cat and a dog.

Bisa kita lihat bahwa komputer tahu ada kucing dan anjing,

It knows their relative locations,

tahu lokasi relatif dan juga

their size.

ukuran hewan-hewan itu.

It may even know some extra information.

Bahkan ia juga tahu informasi lainya.

There's a book sitting in the background.

Ada buku di belakang sana.

And if you want to build a system on top of computer vision,

Jika Anda ingin membuat sistem berkekuatan penglihatan komputer,

say a self-driving vehicle or a robotic system,

misalnya mobil otonom atau sistem robotika,

this is the kind of information that you want.

inilah jenis informasi yang Anda inginkan.

You want something so that you can interact with the physical world.

Ada tentu butuh sesuatu agar dapat berinteraksi dengan dunia fisik.

Now, when I started working on object detection,

Ketika mulai mengerjakan deteksi objek,

it took 20 seconds to process a single image.

butuh waktu 20 detik untuk memproses satu gambar.

And to get a feel for why speed is so important in this domain,

Agar Anda memahami alasan betapa kecepatan sangat penting dalam domain ini,

here's an example of an object detector

inilah contoh pendeteksi objek

that takes two seconds to process an image.

yang butuh waktu 2 detik untuk memproses 1 gambar.

So this is 10 times faster

Proses ini 10 kali lebih cepat

than the 20-seconds-per-image detector,

daripada alat deteksi 20-detik-per-gambar,

and you can see that by the time it makes predictions,

dan dapat Anda lihat bahwa selagi komputer memprediksi,

the entire state of the world has changed,

keadaan lingkungan sekitarnya berubah,

and this wouldn't be very useful

tentu hal ini tidak akan berguna

for an application.

bagi aplikasi.

If we speed this up by another factor of 10,

Jika kita tingkatkan kecepatan hingga 10 kali lipat,

this is a detector running at five frames per second.

pendeteksi ini berjalan dengan lima bingkai per detik.

This is a lot better,

Dan menjadi jauh lebih baik,

but for example,

tetapi seandainya,

if there's any significant movement,

ada pergerakan yang signifikan,

I wouldn't want a system like this driving my car.

saya tidak ingin sistem ini mengemudikan mobil saya.

This is our detection system running in real time on my laptop.

Sistem deteksi kita ini beroperasi di laptop dalam waktu nyata.

So it smoothly tracks me as I move around the frame,

Dengan mulus ia melacak selagi saya bergerak di sekitar bingkai,

and it's robust to a wide variety of changes in size,

dan cekatan dalam mendeteksi berbagai perubahan ukuran,

pose,

pose,

forward, backward.

ke depan, ke belakang.

This is great.

Luar biasa.

This is what we really need

Ini yang sangat kita butuhkan

if we're going to build systems on top of computer vision.

jika akan membuat sistem berkekuatan penglihatan komputer.

(Applause)

(Tepuk tangan)

So in just a few years,

Hanya dalam beberapa tahun,

we've gone from 20 seconds per image

ada kemajuan dari 20 detik per gambar

to 20 milliseconds per image, a thousand times faster.

menjadi 20 milidetik per gambar, seribu kali lebih cepat.

How did we get there?

Bagaimana bisa demikian?

Well, in the past, object detection systems

Dulu, sistem deteksi objek

would take an image like this

menggunakan gambar seperti ini

and split it into a bunch of regions

dan membaginya menjadi sekelompok area

and then run a classifier on each of these regions,

lalu menjalankan alat klasifikasi pada masing-masing area,

and high scores for that classifier

dan skor tinggi dari alat klasifikasi

would be considered detections in the image.

dianggap sebagai deteksi dalam gambar.

But this involved running a classifier thousands of times over an image,

Tetapi metode ini mengharuskan ribuan kali deteksi pada satu gambar,

thousands of neural network evaluations to produce detection.

ribuan evaluasi kerangka saraf untuk menghasilkan deteksi.

Instead, we trained a single network to do all of detection for us.

Alih-alih, kami melatih satu jaringan untuk melakukan semua deteksi.

It produces all of the bounding boxes and class probabilities simultaneously.

Jaringan itu memunculkan kotak pembatas sekaligus probabilitas kelas.

With our system, instead of looking at an image thousands of times

Dengan sistem ini, alih-alih melihat satu gambar ribuan kali

to produce detection,

untuk menghasilkan deteksi,

you only look once,

Anda cukup lihat sekali,

and that's why we call it the YOLO method of object detection.

oleh karena itulah kami menyebutnya metode deteksi objek YOLO.

So with this speed, we're not just limited to images;

Dengan kecepatan seperti ini, kita dapat memproses tidak hanya gambar,

we can process video in real time.

tetapi juga video dalam waktu nyata.

And now, instead of just seeing that cat and dog,

Sehingga, alih-alih hanya melihat kucing dan anjing,

we can see them move around and interact with each other.

kita juga dapat melihat hewan ini bergerak dan berinteraksi.

This is a detector that we trained

Inilah pendeteksi yang kami latih

on 80 different classes

pada 80 kelas berbeda

in Microsoft's COCO dataset.

dalam dataset COCO milik Microsoft.

It has all sorts of things like spoon and fork, bowl,

Dataset ini memiliki semua jenis benda, sendok dan garpu, mangkuk

common objects like that.

benda-benda umum semacam itu.

It has a variety of more exotic things:

Juga ada beragam benda eksotik lainnya:

animals, cars, zebras, giraffes.

binatang, mobil, zebra, jerapah.

And now we're going to do something fun.

Mari kita lakukan sesuatu yang menarik.

We're just going to go out into the audience

Saya akan mengarahkan kamera ke penonton

and see what kind of things we can detect.

dan lihatlah benda yang dapat terdeteksi.

Does anyone want a stuffed animal?

Ada yang mau boneka hewan?

There are some teddy bears out there.

Ada beberapa boneka beruang di sana.

And we can turn down our threshold for detection a little bit,

Kita dapat menurunkan ambang pendeteksinya sedikit,

so we can find more of you guys out in the audience.

agar ia dapat mendeteksi lebih banyak penonton.

Let's see if we can get these stop signs.

Ada rambu berhenti yang terdeteksi.

We find some backpacks.

Ada tas ransel.

Let's just zoom in a little bit.

Mari kita perbesar sedikit.

And this is great.

Luar biasa.

And all of the processing is happening in real time

Semua proses ini terjadi saat ini juga

on the laptop.

dengan laptop.

And it's important to remember

Penting untuk diingat bahwa

that this is a general purpose object detection system,

inilah tujuan umum sistem deteksi objek,

so we can train this for any image domain.

agar kami dapat melatihnya pada domain gambar mana pun.

The same code that we use

Kode yang sama yang kita pakai untuk

to find stop signs or pedestrians,

menemukan tanda berhenti atau pejalan kaki,

bicycles in a self-driving vehicle,

sepeda dan mobil otonom,

can be used to find cancer cells

yang dapat dipakai untuk menemukan sel kanker

in a tissue biopsy.

dalam biopsi jaringan.

And there are researchers around the globe already using this technology

Ada banyak peneliti di seluruh dunia yang sudah menggunakan teknologi ini

for advances in things like medicine, robotics.

untuk pengembangan dalam obat-obatan, robotika.

This morning, I read a paper

Tadi pagi saya membaca koran

where they were taking a census of animals in Nairobi National Park

bahwa ada sensus binatang di Taman Nasional Nairobi

with YOLO as part of this detection system.

menggunakan YOLO sebagai bagian dari sistem deteksi ini.

And that's because Darknet is open source

Itu karena Darknet adalah sumber terbuka

and in the public domain, free for anyone to use.

ada di domain publik, gratis untuk siapa saja.

(Applause)

(Tepuk tangan)

But we wanted to make detection even more accessible and usable,

Tapi kami ingin agar teknologi ini lebih mudah diperoleh dan berguna,

so through a combination of model optimization,

jadi melalui kombinasi pengoptimalan model,

network binarization and approximation,

binarisasi dan pendekatan jaringan,

we actually have object detection running on a phone.

kita punya deteksi obyek yang berjalan dalam ponsel.

(Applause)

(Tepuk tangan)

And I'm really excited because now we have a pretty powerful solution

Dan saya sangat senang karena sekarang ada solusi yang cukup kuat

to this low-level computer vision problem,

atas masalah penglihatan komputer level rendah,

and anyone can take it and build something with it.

dan siapa pun boleh mengambil dan membuat sesuatu dengan memakainya.

So now the rest is up to all of you

Selebihnya terserah Anda dan orang-orang

and people around the world with access to this software,

di seluruh dunia yang mengakses perangkat lunak ini,

and I can't wait to see what people will build with this technology.

saya tidak sabar ingin melihat apa yang mereka buat dengan teknologi ini.

Thank you.

Terima kasih.

(Applause)

(Tepuk tangan)