บทที่ 5v - Object Detection & Instance Segmentation (YOLO, DETR, SAM) - 2026

**YouTube Description**

ในบทเรียนนี้เราจะเรียนรู้ว่าการทำ Object Detection (การตรวจจับวัตถุ) และ Instance Segmentation (การตรวจจับพร้อมแยกส่วนวัตถุ) ทำงานอย่างไร โดยเจาะลึกตั้งแต่ทฤษฎีพื้นฐานของ Bounding Box, สถาปัตยกรรมโมเดล (CNN และ Transformers), รูปแบบข้อมูล (YOLO, COCO) และการวัดผล (mAP) รวมถึงการสาธิตเขียนโค้ดจริงเพื่อเทรนโมเดลด้วย Ultralytics (YOLO) และ Hugging Face นอกจากนี้ยังแนะนำเทคนิคประยุกต์ใช้ Segment Anything Model (SAM) ในการสร้าง Mask อัตโนมัติ (Pseudo Label) เพื่อลดเวลาทำ Data Annotation ครับ

## ---

**📌 สารบัญเนื้อหา (Timestamps)**

* 00:00 แนะนำบทเรียน Object Detection และ Instance Segmentation
* 00:21 Object Detection คืออะไร? ทำความเข้าใจ Bounding Box (x,y,w,h) และ Class Probability
* 03:20 ประเภทของโมเดล: One Stage Detector (เช่น YOLO) และ Two Stage Detector (เช่น RCNN)
* 05:20 รูปแบบของ Annotation Data: YOLO Format vs COCO Format
* 06:40 โครงสร้างสถาปัตยกรรมโมเดล: CNN (Backbone, Neck, Head) vs Transformers (DETR)
* 09:47 แนะนำไลบรารีสำหรับเทรนโมเดล: Ultralytics, MMDetection และ Hugging Face
* 13:20 เครื่องมือสำหรับ Label ข้อมูล (Annotation Tools): Label Studio, CVAT, Roboflow
* 16:11 การประเมินผลโมเดล (Evaluation Metrics): รู้จักกับ IOU, Precision และ mAP
* 18:31 เข้าสู่เนื้อหา Instance Segmentation และการใช้ Segment Anything Model (SAM) ช่วยทำ Data
* 22:50 **[Workshop 1]** โค้ดดิ้ง Object Detection โหลด Pothole Dataset และจัดการ Data Format
* 30:02 การเทรนและประเมินผลโมเดล YOLO ด้วย Ultralytics
* 31:54 การเทรนโมเดล Detection ด้วย Hugging Face Transformers (DETR)
* 34:52 การทำ Zero-Shot Object Detection แบบไม่ต้องเทรน (OWL, Grounding DINO, Gemini)
* 39:33 **[Workshop 2]** การใช้ SAM แปลง Bounding Box ให้กลายเป็น Segmentation Mask อัตโนมัติ
* 44:01 การนำ Mask ที่ได้จาก SAM ไปเทรนโมเดล Instance Segmentation (YOLOv8-seg)

Видео บทที่ 5v - Object Detection & Instance Segmentation (YOLO, DETR, SAM) - 2026 канала AI Builders