Testa di rilevamento

Funzionalità e funzionamento

La testa di rilevamento elabora le caratteristiche astratte e ricche generate dai livelli precedenti della rete neurale. Queste caratteristiche codificano modelli complessi, texture e forme rilevanti per i potenziali oggetti presenti nell'immagine di input. La testa di solito utilizza una serie di livelli propri, spesso comprendenti livelli convoluzionali, per svolgere due compiti principali:

1. Classificazione: Prevedere l'etichetta della classe per ogni oggetto rilevato (ad esempio, "persona", "auto", "cane"). Questo obiettivo viene spesso raggiunto utilizzando tecniche che culminano in una funzione di attivazione Softmax o simile per produrre probabilità per ogni classe.
2. Localizzazione (Regressione): Prevedere le coordinate precise del rettangolo di selezione che racchiude ogni oggetto rilevato. Questo viene trattato come un problema di regressione.

Modelli avanzati come Ultralytics YOLO incorporano testine di rilevamento altamente efficienti, progettate per eseguire rapidamente questi compiti, consentendo un'inferenza in tempo reale fondamentale per molte applicazioni. Le previsioni vengono spesso post-elaborate utilizzando tecniche come la soppressione non massimale (NMS) per rimuovere i rilevamenti doppi.

Componenti chiave e variazioni

I design delle testine di rilevamento variano in modo significativo a seconda della specifica architettura di rilevamento degli oggetti. Le principali varianti includono:

• Basato su ancore e senza ancore:
  • I rilevatori basati sulle ancore, comuni in modelli come Faster R-CNN e nelle versioni precedenti di YOLO , si basano su un insieme predefinito di caselle di ancoraggio di varie dimensioni e rapporti di aspetto in diverse posizioni della mappa delle caratteristiche. La testina predice gli offset per affinare queste ancore e classifica l'oggetto all'interno di esse.
  • Rilevatori privi di ancore, utilizzati in modelli come YOLO11 e FCOS, prevedono direttamente le proprietà dell'oggetto, come i punti centrali e le dimensioni, senza ancore predefinite. Questo approccio può semplificare la progettazione e potenzialmente migliorare la generalizzazione, come evidenziato nei vantaggi del rilevamento senza ancore.
• Testate accoppiate o disaccoppiate: Alcuni progetti utilizzano un unico set di livelli (testata accoppiata) sia per la classificazione che per la regressione, mentre altri utilizzano rami separati (testata disaccoppiata) per ciascun compito, il che a volte può migliorare l'accuratezza. I moduli di Ultralytics possono essere approfonditi nella documentazione API.

Confronto con altri componenti e compiti

Per comprendere la testa di rilevamento è necessario distinguerla dalle altre parti di un modello di computer vision (CV) e dai compiti correlati:

• Backbone: La rete backbone (ad esempio, ResNet, VGG) è responsabile dell'estrazione iniziale delle caratteristiche dall'immagine di input, apprendendo caratteristiche gerarchiche dai bordi di basso livello alle parti di oggetto di alto livello.
• Collo: Posizionato tra la spina dorsale e la testa, il collo spesso aggrega le caratteristiche da più scale della spina dorsale (utilizzando tecniche come le Feature Pyramid Networks) per fornire un contesto più ricco per rilevare oggetti di varie dimensioni.
• Classificazione delle immagini: A differenza del rilevamento degli oggetti, la classificazione delle immagini assegna una singola etichetta all'intera immagine senza localizzazione.
• Attività di segmentazione: La segmentazione semantica classifica ogni pixel dell'immagine, mentre la segmentazione delle istanze si spinge oltre distinguendo le diverse istanze della stessa classe di oggetti a livello di pixel. Il rilevamento degli oggetti fornisce caselle di delimitazione, non maschere di pixel.

Applicazioni del mondo reale

L'efficacia della testa di rilevamento influenza direttamente le prestazioni di numerose applicazioni di intelligenza artificiale basate sul rilevamento degli oggetti:

1. Guida autonoma: Le teste di rilevamento sono fondamentali nell'intelligenza artificiale delle auto a guida autonoma per identificare e localizzare in tempo reale pedoni, altri veicoli, segnali stradali e ostacoli, consentendo una navigazione sicura. Aziende come Waymo si affidano molto a questa tecnologia.
2. Sicurezza e sorveglianza: Nei sistemi di sicurezza, le testine di rilevamento consentono il monitoraggio automatico identificando persone non autorizzate, oggetti abbandonati o eventi specifici nei feed video. Questo costituisce la base per applicazioni come la guida al sistema di allarme di sicurezzaUltralytics .
3. Retail Analytics: Utilizzata per la gestione dell'inventario, il monitoraggio degli scaffali e l'analisi del comportamento dei clienti.
4. Imaging medico: Assistere i radiologi rilevando anomalie come tumori o fratture nelle scansioni, contribuendo all'analisi delle immagini mediche.
5. Produzione: Consentire il controllo della qualità nella produzione rilevando automaticamente i difetti dei prodotti sulle linee di assemblaggio.

I moderni modelli di rilevamento degli oggetti come YOLOv8 e YOLO11, spesso costruiti utilizzando framework come PyTorch o TensorFlow, presentano sofisticate teste di rilevamento ottimizzate sia per la velocità che per l'accuratezza su set di dati di riferimento come COCO. L'addestramento e la distribuzione di questi modelli sono facilitati da piattaforme come Ultralytics HUB, che consentono agli utenti di sfruttare le potenti capacità di rilevamento per le loro esigenze specifiche. Per valutare le prestazioni spesso si utilizzano metriche come mAP e IoU, descritte nella guida alle metriche delle prestazioni diYOLO .