Rivelatori di oggetti a due stadi

Come funzionano i rilevatori a due fasi

Il funzionamento dei rilevatori a due fasi prevede un processo sequenziale che sfrutta le tecniche di deep learning, in particolare le reti neurali convoluzionali (CNN).

1. Fase 1: Proposta di regioni: La prima fase utilizza in genere una Region Proposal Network (RPN), un concetto reso popolare dal modello Faster R-CNN. La RPN analizza le caratteristiche dell'immagine (estratte da una CNN dorsale come ResNet) e propone una serie di regioni candidate che potrebbero contenere oggetti. Queste proposte sono essenzialmente caselle di delimitazione grossolane attorno a potenziali oggetti.
2. Fase 2: Classificazione e perfezionamento: Le regioni proposte (RoI) passano alla seconda fase. Per ogni RoI, vengono estratte le caratteristiche (spesso utilizzando tecniche come RoIPool o RoIAlign) e una rete neurale (NN) esegue due compiti: classificare l'oggetto all'interno della RoI (ad esempio, "auto", "persona", "sfondo") e affinare le coordinate del riquadro di delimitazione per adattarlo più accuratamente all'oggetto. Esempi importanti sono la famiglia R-CNN(Cos'è R-CNN?, Fast R-CNN, Faster R-CNN) e Mask R-CNN, che estende questo approccio per eseguire la segmentazione delle istanze.

Vantaggi e svantaggi

I rilevatori a due stadi offrono notevoli vantaggi, ma comportano anche dei compromessi:

Vantaggi:

• Alta precisione: La separazione tra la generazione delle proposte e la classificazione/raffinamento consente un'elaborazione più mirata, che in genere si traduce in una maggiore accuratezza, misurata in particolare da parametri come la precisione media (mAP).
• Migliore localizzazione: La fase di perfezionamento porta spesso a previsioni più precise del rettangolo di selezione.
• Efficaci per gli oggetti piccoli: Possono avere prestazioni migliori rispetto ai rilevatori a uno stadio per identificare gli oggetti più piccoli in un'immagine grazie al secondo stadio focalizzato.

Svantaggi:

• Velocità inferiore: il processo sequenziale a due fasi richiede intrinsecamente più tempo di calcolo, con conseguente latenza di inferenza inferiore rispetto ai metodi a una fase. Questo li rende meno adatti alle applicazioni che richiedono un'inferenza in tempo reale.
• Complessità: L'architettura è generalmente più complessa da implementare e da addestrare.
• Costo computazionale più elevato: In genere richiedono più risorse di calcolo (come le GPU) sia per l'addestramento che per l'inferenza.

Confronto con i rivelatori a uno stadio

La differenza principale sta nell'architettura e nell'approccio. I rilevatori di oggetti a un solo stadio, come ad esempio il modello Ultralytics YOLO (ad esempio, YOLOv8, YOLO11) e SSD, eseguono la localizzazione e la classificazione degli oggetti contemporaneamente in un unico passaggio attraverso la rete. Questo li rende significativamente più veloci. La scelta tra rilevatori a uno o due stadi comporta spesso un compromesso: privilegiare la velocità (uno stadio) o la massima precisione (due stadi). Mentre i rilevatori a uno stadio hanno colmato in modo significativo il divario di accuratezza, i rilevatori a due stadi mantengono spesso un vantaggio negli scenari che richiedono la massima precisione.

Applicazioni del mondo reale

L'elevata accuratezza dei rilevatori a due stadi li rende preziosi nelle applicazioni in cui la precisione è fondamentale:

• Analisi delle immagini mediche: Rilevare anomalie sottili come piccoli tumori o lesioni in scansioni TC o MRI, dove l'alta precisione è fondamentale per la diagnosi. Modelli come Mask R-CNN sono stati adattati a questo tipo di compiti nell'ambito dell'AI in ambito sanitario (vedi esempio: Mask R-CNN nell'imaging medico).
• Guida autonoma: Consentire ai sistemi di percezione dettagliata dei veicoli autonomi di rilevare e classificare con precisione vari oggetti come pedoni, veicoli e segnali stradali, anche in ambienti disordinati o difficili, contribuendo alla sicurezza generale nell'ambito dell'AI nel settore automobilistico.
• Immagini satellitari ad alta risoluzione: Analisi di immagini satellitari dettagliate per l'identificazione precisa di oggetti, come il rilevamento di specifici tipi di veicoli o di cambiamenti infrastrutturali nell'analisi delle immagini satellitari.
• Controllo qualità nella produzione: Ispezione di prodotti per difetti minori che richiedono un'elevata precisione di localizzazione in AI in Manufacturing. Framework come Detectron2 di Meta AI forniscono implementazioni dei più diffusi modelli a due stadi.