物件偵測 · 不只是什麼，還要在哪裡

前四課都在做分類——一張圖回一個標籤。但真實世界一張圖裡常有很多東西:一條街上有車、有人、有號誌。物件偵測更進一步。

核心:同時定位與分類

物件偵測同時回答「有什麼」與「在哪裡」——框出每個物件的邊界框(bounding box)、給出類別與信心分數。

自動駕駛、安防監控、醫療影像、零售盤點……都靠它。

這堂課你會學到

• 用業界最當紅的 YOLO(You Only Look Once,透過 ultralytics 套件)做推論
• 載入在 COCO(80 類)上預訓練好的 yolov8n,開箱即用——丟一張圖就有結果
• 讀出結構化結果:每個框的類別、信心、座標
• 換上你自己的圖(任何網址),試試多物件的場景

為什麼用現成的 YOLO?

物件偵測模型的架構(anchor、NMS、多尺度特徵…)相當複雜,從零刻一個既費時又難調。業界的務實做法是直接用成熟框架的預訓練模型,要偵測自己的類別時再用標註資料微調(model.train(...),同遷移學習精神)。這堂課讓你先把「能用」這件事跑通,建立全局感。

💡 ultralytics 的 YOLO 系列同時支援偵測、分割、姿態估計、分類,介面統一。學會這一套,等於拿到視覺任務的瑞士刀。下一課就用它的分割版,把方框升級成像素級輪廓。