PHÁT HIỆN ĐỐI TƯỢNG BẰNG PHƯƠNG PHÁP SEGMENT ANYTHING

Tóm tắt

Phát hiện và phân đoạn đối tượng là những nhiệm vụ cốt lõi trong thị giác máy tính với nhiều ứng dụng trong y tế, nông nghiệp, giao thông và giám sát thông minh. Các nghiên cứu gần đây cho thấy YOLO nổi bật với khả năng phát hiện nhanh, chính xác theo thời gian thực, trong khi Segment Anything Model (SAM) lại mạnh về phân đoạn linh hoạt. Tuy nhiên, việc tích hợp hai mô hình này vẫn chưa được nghiên cứu đầy đủ cho bài toán nhận dạng động vật đa lớp. Nghiên cứu này đánh giá hiệu quả của YOLOv8 và YOLOv9 kết hợp với SAM nhằm cải thiện độ chính xác của hộp giới hạn và chất lượng phân đoạn. Bộ dữ liệu gồm hơn 2.000 ảnh động vật thuộc 20 lớp đã được thu thập, gán nhãn và chia thành tập huấn luyện, kiểm định và kiểm thử. Thực nghiệm được tiến hành trên Google Colab với GPU NVIDIA Tesla V100. Kết quả cho thấy YOLOv8n hiệu quả nhất cho hệ thống hạn chế tài nguyên (Accuracy = 81,4%, Precision = 0,9625, Recall = 0,8415, F1 = 0,8979), trong khi YOLOv9s đạt cân bằng tốt nhất (Accuracy = 83,92%, Precision = 0,8003, Recall = 0,7437, F1 = 0,7708). Kết quả chỉ ra YOLOv8 phù hợp với ứng dụng thời gian thực trên thiết bị nhúng, còn YOLOv9s thích hợp cho hệ thống yêu cầu độ chính xác cao. Việc tích hợp YOLO với SAM giúp tăng cường độ tin cậy của mô hình, cung cấp đánh giá thực tiễn về cân bằng giữa tốc độ, độ chính xác và yêu cầu phần cứng.