Isaque Victor cursos gratuitosNesta aula
Máquinas aprendem a ver com exemplos.
Um celular reconhece o rosto de quem usa, e uma câmera de loja conta quem entra. Por trás disso está a visão computacional. Aqui você vê como ela funciona e quando vale treinar um modelo com as suas fotos.
- Escolher entre classificar, detectar e segmentar
- Saber quando treinar com fotos suas
- Ler as métricas sem se enganar
Por que precisa de exemplos
Uma máquina não sabe o que é um carro. Ela sabe o que alguém mostrou. Uma pessoa escreve o nome do que aparece em milhares de fotos. Essa anotação se chama rótulo, e a rede aprende a ligar padrões de pixels a eles. Por isso, um modelo conhece só as categorias com que foi treinado.
E a rede não diz "nunca vi isso". Um objeto novo recebe a categoria mais parecida, muitas vezes com confiança alta.
Três perguntas, três tarefas
| Tarefa | Pergunta que responde | Preparo dos dados |
|---|---|---|
| Classificação | O que é esta imagem? | Um rótulo por foto |
| Detecção | O que há aqui, e onde? | Uma caixa desenhada por objeto |
| Segmentação | Quais pixels são do objeto? | Contorno exato, o mais caro |
Use a tarefa mais simples que responde à pergunta. Se basta saber se há capacete, classificar resolve.
Comece com um detector pronto
Muitos projetos começam com um detector treinado no COCO, conjunto de referência com 80 categorias comuns, como pessoa, carro e garrafa. Antes de rotular qualquer foto, rode-o em 20 imagens do seu contexto e separe em três pilhas: o que acerta, o que erra e o que nem tenta, porque a categoria não existe nas 80.
Em vídeo, o detector roda em cada quadro. Uma pessoa parada na frente da câmera é contada a cada quadro. Contar detecções não é contar pessoas: para isso é preciso rastrear.
Treinar com as suas fotos
Quando a categoria não existe no COCO, treine. Partir de um modelo pronto é muito mais barato, porque a rede já sabe bordas e texturas. Algumas centenas de exemplos por classe costumam bastar para começar.
Atenção à validação. Se você fotografou a mesma caixa 30 vezes seguidas e sorteou 20% das fotos, a validação são quase cópias do treino, e o número sai bonito e falso. Separe por sessão de captura: dia, local e aparelho.
Coisa de profissional
Dois números parecem iguais e dizem coisas diferentes. Segundo a Ultralytics, o mAP50 conta uma detecção como acerto quando a caixa tem pelo menos 50% de sobreposição com a caixa desenhada à mão: só os casos fáceis. Já o mAP50-95 faz a média de limiares de 50% a 95%, exigindo caixas justas. Se o mAP50 é alto e o mAP50-95 é baixo, o modelo acha o objeto, mas desenha a caixa frouxa. Para contar, pode bastar. Para medir tamanho ou posição, não.
Ler as métricas
A precisão diz quantas detecções são reais, ou seja, quanto o modelo inventa. A cobertura diz quantos objetos reais foram achados, ou seja, quanto ele deixa passar. Subir o limiar de confiança aumenta a precisão e derruba a cobertura. O custo de cada erro decide o ponto: um alarme falso de capacete ausente custa um olhar, e um capacete não detectado pode custar uma vida.
A matriz de confusão mostra que classe vira que classe. Se uma linha vaza para outra, as duas são parecidas demais. Os dois casos apontam para o dado, não para o modelo.
Cuidado
A LGPD trata dado biométrico ligado a uma pessoa como dado pessoal sensível. Detectar "há uma pessoa" basta para contar. Reconhecer quem é cada uma exige base legal própria. Quando o rosto gravado não é necessário, borre-o antes de guardar.
Prática · 5 min
- Rode o detector pronto em 20 fotos do seu contexto e separe: acerta, erra e categoria que não existe.
- Para os erros, anote se parecem confiança baixa, caixa duplicada ou objeto pequeno.
- Escreva em três linhas de onde viria a sua validação e o que não pode ficar nos dois lados.
Resumo
- O modelo só conhece o que foi rotulado, e não avisa quando não conhece.
- Use a tarefa mais simples que responde à pergunta.
- Separe a validação por sessão, nunca por sorteio de fotos parecidas.
- Compare mAP50 com mAP50-95 e leia a matriz de confusão.
Fontes
Lidas em 30 de outubro de 2026.
- Ultralytics. YOLO Performance Metrics: IoU, mAP50 e mAP50-95.
- Ultralytics. Predict: parâmetros do detector.
- Brasil. Lei 13.709/2018 (LGPD): dado biométrico e finalidade.
Quiz da aula
Três situações para aplicar o que viu.