Miten tunnistan kohteita kuvasta?

Avaa tekoälyn kohteentunnistustyökalu ja lataa JPEG-, PNG- tai WebP-kuva vetämällä se latausalueelle, selaamalla tai liittämällä. Ensimmäisellä käyttökerralla tekoälymalli (~6 Mt) latautuu kerran ja tallentuu välimuistiin offline-käyttöä varten, minkä jälkeen tunnistus käynnistyy automaattisesti: malli piirtää värikoodatut rajauslaatikot jokaisen kohteen ympärille ja merkitsee kaikki 80 COCO-kategoriaa luottamuspisteineen, listattuna luokittain ja luokkakohtaisin määrin. Napsauta sitten Lataa tallentaaksesi merkityn kuvan tai Vie JSON tallentaaksesi raa'an tunnistusdatan — se on ilmainen ikuisesti, toimii kokonaan selaimessasi, eikä kuviasi koskaan ladata palvelimelle.

Onko tekoälyn kohteentunnistustyökalu ilmainen?

Kyllä — kohteiden tunnistaminen ja merkitseminen kuvista tekoälyn rajauslaatikoilla 80 COCO-kategoriassa on täysin ilmaista, ikuisesti. Ei tiliä, ei rekisteröitymistä, ei kuvakohtaista maksua. Kohteentunnistusmalli toimii kokonaan laitteellasi WebAssemblyn avulla; kuviasi ei koskaan ladata mihinkään palvelimeen. Sivusto rahoitetaan mainoksilla.

Mitä on tekoälyn kohteentunnistus?

Tekoälyn kohteentunnistus käyttää konvoluutioneuroverkkoa (CNN) kuvan skannaamiseen, tunnistaen ja paikantaen siinä olevat kohteet, ja tuottaa jokaiselle tunnistetulle kohteelle luokkamerkinnän, luottamuspisteen ja rajauslaatikon koordinaatit. Yleisiä mallirakenteita ovat YOLO-perhe ja SSD.

Latautuuko kuvani palvelimelle?

Ei koskaan. Tekoälymalli toimii selaimessasi WebAssemblyn avulla, eivätkä kuvat koskaan poistu laitteeltasi — tämä on varmistettu koodissa ajonaikaisella verkkoyhteysvartijalla, joka estää kaikki yritykset lähettää tiedostosi pois laitteelta. Voit tarkistaa tämän itse: avaa DevTools → Network ja seuraa — mitään ei ladata palvelimelle.

Vaatiiko se internetyhteyden?

Vain ensimmäisellä kerralla mallin lataamiseen (~6 Mt). Latauksen jälkeen malli tallennetaan selaimen Cache API:in, ja kohteentunnistus toimii täysin offline-tilassa, jopa ilman verkkoyhteyttä.

Kuinka kauan ensimmäinen käyttökerta kestää?

Ensimmäisessä käyttökerrassa on kaksi vaihetta: (1) mallin lataus (noin 4–20 sekuntia yhteysnopeudesta riippuen) ja (2) ONNX Runtimen alustus (1–2 sekuntia). Sen jälkeen päättely per kuva kestää noin 0,5–5 sekuntia kuvan koosta ja laitteen suorituskyvystä riippuen. Seuraavat käyttökerrat ohittavat latauksen kokonaan.

Voinko käyttää sitä offline-tilassa?

Kyllä. Ensimmäisen latauksen jälkeen malli tallennetaan selaimen Cache API:in, ja kohteentunnistus toimii ilman verkkoyhteyttä. Jopa välilehden sulkemisen ja uudelleenavaamisen jälkeen malli pysyy välimuistissa.

Mitä kohteluokkia voidaan tunnistaa?

Oletusmalli on koulutettu COCO-aineistolla ja tunnistaa 80 yleistä kohdeluokkaa, mukaan lukien ihmiset, autot, eläimet, kodinkoneet ja ruoka. Täydellinen luokkalista näkyy tulospaneelissa.

Kuinka paljon tallennustilaa tekoälymalli vie?

Kohteentunnistusmalli on noin 6 Mt. Se ladataan kerran ja tallennetaan selaimen Cache API:in offline-käyttöä varten.

Mitä luottamuspiste tarkoittaa?

Luottamuspiste (0–100 %) kuvaa, kuinka varma malli on tunnistuksesta. Mitä korkeampi pistemäärä, sitä varmempi malli on siitä, että tunnistettu luokka todella on kyseisessä kohdassa. Yli 50 %:n tuloksia pidetään yleensä luotettavina.

Tekoälyn kohteentunnistus — tunnista ja merkitse kohteet kuvissa

Kohteentunnistus tunnistaa ja merkitsee jokaisen kohteen valokuvassa värikoodatuilla rajauslaatikoilla ja luottamuspisteillä, kattaen 80 COCO-kategoriaa. Tekoälymalli toimii kokonaan omalla laitteellasi WebAssemblyn avulla — kuviasi ei koskaan ladata palvelimelle. Malli latautuu kerran (~6 Mt), tallentuu selaimen välimuistiin ja toimii täysin offline-tilassa.

Tekoälyn kohteentunnistus — tunnistaa ja merkitsee kohteet automaattisesti rajauslaatikoilla, 80 COCO-kategoriaa, malli toimii paikallisesti, kuvia ei koskaan ladata palvelimelle.

100 % ilmainen — ikuisesti. Ei maksuja, ei koskaan.
Yksityinen: tiedostot käsitellään paikallisesti selaimessasi, eikä niitä koskaan lähetetä palvelimelle.
Ei latausta, ei tiliä, ei rekisteröitymistä.

Avaa kohteentunnistustyökalu
Siirry tekoälyn kohteentunnistussivulle. Rekisteröitymistä tai asennusta ei tarvita.
Lataa kuvasi
Vedä ja pudota JPEG-, PNG- tai WebP-kuva latausalueelle, valitse tiedosto selaamalla tai liitä se pikanäppäimillä Ctrl+V / Cmd+V.
Odota tekoälymallin latautumista
Ensimmäisellä käyttökerralla kohteentunnistusmalli (~6 Mt) ladataan selaimeesi ja tallennetaan välimuistiin offline-käyttöä varten.
Tunnistus käynnistyy automaattisesti
Heti kun lataat kuvan, tekoäly analysoi sen ja piirtää värikoodatut rajauslaatikot jokaisen tunnistetun kohteen ympärille, merkiten sen luokan nimellä ja luottamuspisteellä. Kaikki tapahtuu laitteellasi — kuvaa ei koskaan ladata palvelimelle.
Tarkista tulokset
Tunnistetut kohteet listataan luokittain ja luokkakohtaisin määrin (esim. henkilö ×3, auto ×2), kunkin luottamusprosentin kera.
Lataa merkitty kuva tai JSON
Napsauta Lataa tallentaaksesi kuvan rajauslaatikkomerkinnöillä, tai napsauta Vie JSON tallentaaksesi raa'an tunnistusdatan (luokat, luottamus, pikselirajaukset) jatkokäsittelyä varten.

Miten tunnistan kohteita kuvasta?: Avaa tekoälyn kohteentunnistustyökalu ja lataa JPEG-, PNG- tai WebP-kuva vetämällä se latausalueelle, selaamalla tai liittämällä. Ensimmäisellä käyttökerralla tekoälymalli (~6 Mt) latautuu kerran ja tallentuu välimuistiin offline-käyttöä varten, minkä jälkeen tunnistus käynnistyy automaattisesti: malli piirtää värikoodatut rajauslaatikot jokaisen kohteen ympärille ja merkitsee kaikki 80 COCO-kategoriaa luottamuspisteineen, listattuna luokittain ja luokkakohtaisin määrin. Napsauta sitten Lataa tallentaaksesi merkityn kuvan tai Vie JSON tallentaaksesi raa'an tunnistusdatan — se on ilmainen ikuisesti, toimii kokonaan selaimessasi, eikä kuviasi koskaan ladata palvelimelle.
Onko tekoälyn kohteentunnistustyökalu ilmainen?: Kyllä — kohteiden tunnistaminen ja merkitseminen kuvista tekoälyn rajauslaatikoilla 80 COCO-kategoriassa on täysin ilmaista, ikuisesti. Ei tiliä, ei rekisteröitymistä, ei kuvakohtaista maksua. Kohteentunnistusmalli toimii kokonaan laitteellasi WebAssemblyn avulla; kuviasi ei koskaan ladata mihinkään palvelimeen. Sivusto rahoitetaan mainoksilla.
Mitä on tekoälyn kohteentunnistus?: Tekoälyn kohteentunnistus käyttää konvoluutioneuroverkkoa (CNN) kuvan skannaamiseen, tunnistaen ja paikantaen siinä olevat kohteet, ja tuottaa jokaiselle tunnistetulle kohteelle luokkamerkinnän, luottamuspisteen ja rajauslaatikon koordinaatit. Yleisiä mallirakenteita ovat YOLO-perhe ja SSD.
Latautuuko kuvani palvelimelle?: Ei koskaan. Tekoälymalli toimii selaimessasi WebAssemblyn avulla, eivätkä kuvat koskaan poistu laitteeltasi — tämä on varmistettu koodissa ajonaikaisella verkkoyhteysvartijalla, joka estää kaikki yritykset lähettää tiedostosi pois laitteelta. Voit tarkistaa tämän itse: avaa DevTools → Network ja seuraa — mitään ei ladata palvelimelle.
Vaatiiko se internetyhteyden?: Vain ensimmäisellä kerralla mallin lataamiseen (~6 Mt). Latauksen jälkeen malli tallennetaan selaimen Cache API:in, ja kohteentunnistus toimii täysin offline-tilassa, jopa ilman verkkoyhteyttä.
Kuinka kauan ensimmäinen käyttökerta kestää?: Ensimmäisessä käyttökerrassa on kaksi vaihetta: (1) mallin lataus (noin 4–20 sekuntia yhteysnopeudesta riippuen) ja (2) ONNX Runtimen alustus (1–2 sekuntia). Sen jälkeen päättely per kuva kestää noin 0,5–5 sekuntia kuvan koosta ja laitteen suorituskyvystä riippuen. Seuraavat käyttökerrat ohittavat latauksen kokonaan.
Voinko käyttää sitä offline-tilassa?: Kyllä. Ensimmäisen latauksen jälkeen malli tallennetaan selaimen Cache API:in, ja kohteentunnistus toimii ilman verkkoyhteyttä. Jopa välilehden sulkemisen ja uudelleenavaamisen jälkeen malli pysyy välimuistissa.
Mitä kohteluokkia voidaan tunnistaa?: Oletusmalli on koulutettu COCO-aineistolla ja tunnistaa 80 yleistä kohdeluokkaa, mukaan lukien ihmiset, autot, eläimet, kodinkoneet ja ruoka. Täydellinen luokkalista näkyy tulospaneelissa.
Kuinka paljon tallennustilaa tekoälymalli vie?: Kohteentunnistusmalli on noin 6 Mt. Se ladataan kerran ja tallennetaan selaimen Cache API:in offline-käyttöä varten.
Mitä luottamuspiste tarkoittaa?: Luottamuspiste (0–100 %) kuvaa, kuinka varma malli on tunnistuksesta. Mitä korkeampi pistemäärä, sitä varmempi malli on siitä, että tunnistettu luokka todella on kyseisessä kohdassa. Yli 50 %:n tuloksia pidetään yleensä luotettavina.

COCO (Common Objects in Context) -aineisto sisältää yli 330 000 kuvaa 80 kohdeluokassa, ja se on laajimmin käytetty vertailukohta kohteentunnistusmallien kouluttamiseen ja arviointiin.
YOLO (You Only Look Once) -arkkitehtuurin esittelivät Redmon ym. vuonna 2016. Se suorittaa kohteen paikannuksen ja luokittelun yhdessä eteenpäinajossa, mikä tekee siitä huomattavasti nopeamman kuin kaksivaiheiset menetelmät.
ONNX Runtime Web tukee kohteentunnistusmallien ajamista selaimessa WebGL- tai WebGPU-taustajärjestelmällä; keskimääräiset päättelyajat vaihtelevat tyypillisesti kymmenistä millisekunneista muutamaan sekuntiin.
Rajauslaatikko ilmaistaan muodossa (x, y, leveys, korkeus) tai (x1, y1, x2, y2) ja kattaa tunnistetun kohteen alueen.
Selainpuolinen kohteentunnistus ei tuota lainkaan verkkoedestakaisia kutsuja, mikä antaa huomattavasti vahvemman yksityisyyden kuin pilvi-API — erityisen tärkeää arkaluonteisille kuville, kuten kasvoille tai asiakirjoille.

🎯 Tekoälyn kohteentunnistus — tunnista ja merkitse kohteet kuvissa

Tekoälyn kohteentunnistus — tunnista ja merkitse kohteet kuvissa