裝置端物件偵測的運作原理
這個工具的功能
AI 物件偵測器會掃描照片，並在它找到的每個可辨識的東西 -- 人、汽車、狗、筆記型電腦、椅子 -- 周圍畫上帶標籤的框。底層執行的是一個經過訓練、可辨識 80 種日常物件的神經網路。每個偵測結果都有三項資訊：名稱、標出物件位置的邊界框，以及用 0 到 100% 表示模型有多確定的信心度分數。
偵測會在您按下「偵測物件」時開始，整個分析都在裝置上進行 -- 模型檔案（約 18MB）只會在第一次執行時下載一次。
什麼時候適合用
它適合為相片資料夾自動加上標籤、在訓練自己的模型前先確認資料集實際包含哪些內容，或計算一個畫面中出現多少人物或車輛。用於無障礙工作也很方便，可為圖片產生簡短的文字描述，對於想在不架設 Python 環境的情況下試作電腦視覺構想的人同樣有幫助。
由於它能匯出含座標的結構化 JSON，也能嵌入更大的流程中：先執行偵測，取得方框，再交給裁切、模糊或標註的指令碼處理。
具體範例
放入一張街景照片。模型可能傳回人物 92%、汽車 88%、紅綠燈 71%，並各用不同顏色的框圈起來。把最低信心度提高到 80% 再執行，紅綠燈就會從結果中消失，只剩下兩個把握高的偵測結果。調低到 40%，模糊或被部分遮住的物件就會開始出現 -- 偶爾也會有猜錯的。下載標註後的圖像可保留這些標示，匯出 JSON 則能取得原始的名稱、分數和框座標。
注意事項與限制
模型認得 80 種物件，所以清單以外的東西 -- 特定的狗品種、品牌標誌、可閱讀的文字 -- 不會被標示。重疊或非常小的物件最難辨識，常常落在門檻之下。信心度滑桿是主要的控制項：調高是以召回率換取精確度，調低則相反。如果照片沒有任何結果，調低門檻通常能找出模型看到但沒把握的物件。