How computers learn to recognize objects instantly | Joseph Redmon

1,121,269 views ・ 2017-08-18

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Maurício Kakuei Tanaka Revisor: Maricene Crus
00:12
Ten years ago,
0
12645
1151
Há dez anos, os pesquisadores da visão computacional
00:13
computer vision researchers thought that getting a computer
1
13820
2776
achavam que fazer um computador distinguir um cão de um gato
00:16
to tell the difference between a cat and a dog
2
16620
2696
00:19
would be almost impossible,
3
19340
1976
seria quase impossível,
00:21
even with the significant advance in the state of artificial intelligence.
4
21340
3696
mesmo com o avanço significativo da inteligência artificial.
00:25
Now we can do it at a level greater than 99 percent accuracy.
5
25060
3560
Agora podemos fazer isso com precisão superior a 99%.
00:29
This is called image classification --
6
29500
1856
Chamamos de classificação de imagem:
00:31
give it an image, put a label to that image --
7
31380
3096
fornecer ao computador uma imagem, atribuir a ela um rótulo,
00:34
and computers know thousands of other categories as well.
8
34500
3040
e os computadores também reconhecem milhares de outras categorias.
00:38
I'm a graduate student at the University of Washington,
9
38500
2896
Sou aluno da Universidade de Washington,
00:41
and I work on a project called Darknet,
10
41420
1896
e trabalho no projeto "Darknet",
00:43
which is a neural network framework
11
43340
1696
uma estrutura de rede neural para preparar e testar modelos de visão computacional.
00:45
for training and testing computer vision models.
12
45060
2816
00:47
So let's just see what Darknet thinks
13
47900
2976
Vamos ver o que o Darknet acha desta imagem que temos.
00:50
of this image that we have.
14
50900
1760
00:54
When we run our classifier
15
54340
2336
Quando executamos nosso classificador nela,
00:56
on this image,
16
56700
1216
00:57
we see we don't just get a prediction of dog or cat,
17
57940
2456
não sabemos apenas se é um cão ou um gato,
01:00
we actually get specific breed predictions.
18
60420
2336
obtemos realmente a raça específica.
01:02
That's the level of granularity we have now.
19
62780
2176
É o nível de detalhe que temos agora.
01:04
And it's correct.
20
64980
1616
E está correto:
01:06
My dog is in fact a malamute.
21
66620
1840
meu cachorro é mesmo um malamute.
01:08
So we've made amazing strides in image classification,
22
68860
4336
Temos feito avanços incríveis na classificação de imagens,
01:13
but what happens when we run our classifier
23
73220
2000
mas o que acontece quando executamos o classificador em uma imagem como esta?
01:15
on an image that looks like this?
24
75244
1960
01:18
Well ...
25
78900
1200
Bem...
01:24
We see that the classifier comes back with a pretty similar prediction.
26
84460
3896
Vemos que o classificador retorna um prognóstico bastante semelhante.
01:28
And it's correct, there is a malamute in the image,
27
88380
3096
Está certo: há um malamute na imagem.
01:31
but just given this label, we don't actually know that much
28
91500
3696
Mas só com este rótulo, não sabemos realmente muito a respeito
01:35
about what's going on in the image.
29
95220
1667
do que está acontecendo na imagem.
01:36
We need something more powerful.
30
96911
1560
Precisamos de algo mais convincente.
01:39
I work on a problem called object detection,
31
99060
2616
Trabalho com um assunto chamado detecção de objetos,
01:41
where we look at an image and try to find all of the objects,
32
101700
2936
em que analisamos a imagem e tentamos achar todos os objetos,
01:44
put bounding boxes around them
33
104660
1456
colocamos molduras ao redor deles e dizemos o que eles são.
01:46
and say what those objects are.
34
106140
1520
01:48
So here's what happens when we run a detector on this image.
35
108220
3280
Isso é o que acontece quando executamos um detector nesta imagem.
01:53
Now, with this kind of result,
36
113060
2256
Com este tipo de resultado,
01:55
we can do a lot more with our computer vision algorithms.
37
115340
2696
podemos fazer muito mais com a visão computacional.
01:58
We see that it knows that there's a cat and a dog.
38
118060
2976
Vemos que o detector identifica que há um gato e um cachorro.
02:01
It knows their relative locations,
39
121060
2256
Sabe a posição relativa e o tamanho deles.
02:03
their size.
40
123340
1216
02:04
It may even know some extra information.
41
124580
1936
Pode até identificar algumas informações extras, como um livro ao fundo.
02:06
There's a book sitting in the background.
42
126540
1960
02:09
And if you want to build a system on top of computer vision,
43
129100
3256
Se quiserem construir um sistema atualizado de visão computacional,
02:12
say a self-driving vehicle or a robotic system,
44
132380
3456
como um veículo autodirigível ou um sistema robótico,
02:15
this is the kind of information that you want.
45
135860
2456
este é o tipo de informação que vocês precisam.
02:18
You want something so that you can interact with the physical world.
46
138340
3239
Precisam de algo para poder interagir com o mundo físico.
02:22
Now, when I started working on object detection,
47
142579
2257
Quando comecei a detectar objetos,
02:24
it took 20 seconds to process a single image.
48
144860
3296
demorava 20 segundos para processar uma única imagem.
02:28
And to get a feel for why speed is so important in this domain,
49
148180
3880
Para ter uma ideia da importância da velocidade nesta área,
02:32
here's an example of an object detector
50
152940
2536
aqui está um exemplo de um detector de objetos
02:35
that takes two seconds to process an image.
51
155500
2416
que leva dois segundos para processar uma imagem.
02:37
So this is 10 times faster
52
157940
2616
É dez vezes mais rápido
02:40
than the 20-seconds-per-image detector,
53
160580
3536
que o detector de 20 segundos por imagem.
02:44
and you can see that by the time it makes predictions,
54
164140
2656
Você podem ver que, quando são feitos os prognósticos, tudo mudou,
02:46
the entire state of the world has changed,
55
166820
2040
02:49
and this wouldn't be very useful
56
169700
2416
o que não seria muito útil para uma aplicação.
02:52
for an application.
57
172140
1416
02:53
If we speed this up by another factor of 10,
58
173580
2496
Se aumentarmos a velocidade em dez vezes,
02:56
this is a detector running at five frames per second.
59
176100
2816
teremos um detector executando a cinco quadros por segundo.
02:58
This is a lot better,
60
178940
1536
Isso é muito melhor, mas, por exemplo,
03:00
but for example,
61
180500
1976
03:02
if there's any significant movement,
62
182500
2296
se houver algum movimento significativo,
03:04
I wouldn't want a system like this driving my car.
63
184820
2560
eu não gostaria de um sistema como esse dirigindo meu carro.
03:08
This is our detection system running in real time on my laptop.
64
188940
3240
Este é nosso sistema de detecção rodando em tempo real em meu laptop.
03:12
So it smoothly tracks me as I move around the frame,
65
192820
3136
Ele acompanha suavemente meu movimento ao redor do quadro,
03:15
and it's robust to a wide variety of changes in size,
66
195980
3720
e é potente para uma grande variedade de mudanças de tamanho,
03:21
pose,
67
201260
1200
pose,
03:23
forward, backward.
68
203100
1856
para frente, para trás.
03:24
This is great.
69
204980
1216
Isso é ótimo.
É o que realmente precisamos
03:26
This is what we really need
70
206220
1736
03:27
if we're going to build systems on top of computer vision.
71
207980
2896
se formos construir sistemas atualizados de visão computacional.
03:30
(Applause)
72
210900
4000
(Aplausos)
03:36
So in just a few years,
73
216100
2176
Em apenas alguns anos,
03:38
we've gone from 20 seconds per image
74
218300
2656
passamos de 20 segundos por imagem
03:40
to 20 milliseconds per image, a thousand times faster.
75
220980
3536
a 20 milissegundos, mil vezes mais rápido.
03:44
How did we get there?
76
224540
1416
Como chegamos lá?
03:45
Well, in the past, object detection systems
77
225980
3016
No passado, os sistemas de detecção de objetos
03:49
would take an image like this
78
229020
1936
pegavam uma imagem como esta,
03:50
and split it into a bunch of regions
79
230980
2456
dividiam-na em várias partes
03:53
and then run a classifier on each of these regions,
80
233460
3256
e depois executavam um classificador em cada uma delas.
03:56
and high scores for that classifier
81
236740
2536
As pontuações altas para esse classificador
03:59
would be considered detections in the image.
82
239300
3136
eram consideradas detecções na imagem.
04:02
But this involved running a classifier thousands of times over an image,
83
242460
4056
Mas isso envolvia rodar um classificador milhares de vezes em uma imagem,
04:06
thousands of neural network evaluations to produce detection.
84
246540
2920
milhares de avaliações de rede neural para fazer a detecção.
04:11
Instead, we trained a single network to do all of detection for us.
85
251060
4536
Em vez disso, preparamos uma única rede para fazer toda a detecção para nós.
04:15
It produces all of the bounding boxes and class probabilities simultaneously.
86
255620
4280
Ela cria todas as molduras e probabilidades de classe ao mesmo tempo.
04:20
With our system, instead of looking at an image thousands of times
87
260500
3496
Com nosso sistema, em vez de analisar uma imagem milhares de vezes
04:24
to produce detection,
88
264020
1456
para fazer a detecção, olhamos apenas uma vez.
04:25
you only look once,
89
265500
1256
04:26
and that's why we call it the YOLO method of object detection.
90
266780
2920
Por isso, chamamos de método "YOLO" de detecção de objetos.
04:31
So with this speed, we're not just limited to images;
91
271180
3976
Com essa velocidade, não estamos limitados somente a imagens;
04:35
we can process video in real time.
92
275180
2416
podemos processar vídeos em tempo real.
04:37
And now, instead of just seeing that cat and dog,
93
277620
3096
Em vez de ver apenas aquele gato e cachorro,
04:40
we can see them move around and interact with each other.
94
280740
2960
podemos ver o movimento e a interação entre eles.
04:46
This is a detector that we trained
95
286380
2056
Este é um detector que desenvolvemos
04:48
on 80 different classes
96
288460
4376
em 80 classes diferentes
04:52
in Microsoft's COCO dataset.
97
292860
3256
no conjunto de dados "COCO" da Microsoft.
04:56
It has all sorts of things like spoon and fork, bowl,
98
296140
3336
Ele contém todo tipo de coisas, como colher, garfo, tigela,
04:59
common objects like that.
99
299500
1800
objetos comuns assim.
05:02
It has a variety of more exotic things:
100
302180
3096
Contém uma variedade de coisas mais exóticas:
05:05
animals, cars, zebras, giraffes.
101
305300
3256
animais, carros, zebras, girafas.
05:08
And now we're going to do something fun.
102
308580
1936
Agora vamos fazer algo divertido.
05:10
We're just going to go out into the audience
103
310540
2096
Iremos para a plateia e veremos que tipo de coisas podemos detectar.
05:12
and see what kind of things we can detect.
104
312660
2016
Alguém quer um bicho de pelúcia?
05:14
Does anyone want a stuffed animal?
105
314700
1620
05:17
There are some teddy bears out there.
106
317820
1762
Há alguns ursinhos de pelúcia por aí.
05:21
And we can turn down our threshold for detection a little bit,
107
321860
4536
Podemos diminuir um pouco nossa tolerância de detecção,
05:26
so we can find more of you guys out in the audience.
108
326420
3400
para poder encontrar mais de vocês na plateia.
05:31
Let's see if we can get these stop signs.
109
331380
2336
Vamos ver se conseguirmos pegar os sinais de PARE.
05:33
We find some backpacks.
110
333740
1880
Encontramos algumas mochilas.
05:37
Let's just zoom in a little bit.
111
337700
1840
Vamos ampliar um pouco.
05:42
And this is great.
112
342140
1256
Isso é ótimo.
05:43
And all of the processing is happening in real time
113
343420
3176
Todo o processamento acontece em tempo real no laptop.
05:46
on the laptop.
114
346620
1200
05:48
And it's important to remember
115
348900
1456
É importante lembrar
05:50
that this is a general purpose object detection system,
116
350380
3216
que este é um sistema de detecção de objetos de uso geral.
05:53
so we can train this for any image domain.
117
353620
5000
Podemos desenvolver isso para qualquer domínio de imagem.
06:00
The same code that we use
118
360140
2536
O mesmo código que usamos
06:02
to find stop signs or pedestrians,
119
362700
2456
para encontrar sinais de PARE ou pedestres,
06:05
bicycles in a self-driving vehicle,
120
365180
1976
bicicletas em um veículo autodirigível,
06:07
can be used to find cancer cells
121
367180
2856
pode ser usado para encontrar células cancerígenas
06:10
in a tissue biopsy.
122
370060
3016
em uma biópsia de tecido.
06:13
And there are researchers around the globe already using this technology
123
373100
4040
Existem pesquisadores em todo o mundo que já utilizam esta tecnologia
06:18
for advances in things like medicine, robotics.
124
378060
3416
para avanços em coisas como medicina, robótica.
06:21
This morning, I read a paper
125
381500
1376
Esta manhã, li um artigo
06:22
where they were taking a census of animals in Nairobi National Park
126
382900
4576
sobre um recenseamento de animais no Nairobi National Park
06:27
with YOLO as part of this detection system.
127
387500
3136
utilizando o YOLO como parte deste sistema de detecção.
06:30
And that's because Darknet is open source
128
390660
3096
Isso porque o Darknet tem o código aberto
06:33
and in the public domain, free for anyone to use.
129
393780
2520
de domínio público, gratuito para qualquer um usar.
06:37
(Applause)
130
397420
5696
(Aplausos)
06:43
But we wanted to make detection even more accessible and usable,
131
403140
4936
Mas queríamos tornar a detecção ainda mais acessível e utilizável.
06:48
so through a combination of model optimization,
132
408100
4056
Então, por meio de uma combinação de otimização de modelo,
06:52
network binarization and approximation,
133
412180
2296
aproximação e binarização de redes,
06:54
we actually have object detection running on a phone.
134
414500
3920
temos realmente a detecção de objetos sendo executada em um celular.
07:04
(Applause)
135
424620
5320
(Aplausos)
07:10
And I'm really excited because now we have a pretty powerful solution
136
430780
5056
Estou realmente animado, pois temos uma solução muito potente
07:15
to this low-level computer vision problem,
137
435860
2296
para esta questão de visão computacional.
07:18
and anyone can take it and build something with it.
138
438180
3856
Qualquer um pode pegar e construir algo com ele.
07:22
So now the rest is up to all of you
139
442060
3176
O restante depende agora de vocês
07:25
and people around the world with access to this software,
140
445260
2936
e das pessoas em todo o mundo com acesso a este software.
07:28
and I can't wait to see what people will build with this technology.
141
448220
3656
Mal posso esperar para ver o que elas farão com essa tecnologia.
07:31
Thank you.
142
451900
1216
Obrigado.
07:33
(Applause)
143
453140
3440
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7