Caixa delimitadora

Como funcionam as caixas delimitadoras

Uma caixa delimitadora é normalmente definida por um conjunto de coordenadas que especificam a sua posição e tamanho. As representações mais comuns são:

• Coordenadas do canto superior esquerdo com largura e altura (x, y, w, h): Este formato especifica as coordenadas x e y do canto superior esquerdo, juntamente com a largura e a altura da caixa.
• Pontos de canto (x_min, y_min, x_max, y_max): Este formato define as coordenadas dos cantos superior esquerdo e inferior direito do retângulo.

Estas coordenadas são utilizadas para treinar modelos de aprendizagem profunda, que aprendem a prever estes valores para imagens novas e não vistas. A precisão de uma caixa delimitadora prevista é frequentemente avaliada usando uma métrica chamada Intersecção sobre União (IoU), que mede a sobreposição entre a caixa prevista e a caixa de verdade. Os modelos modernos de deteção de objectos, como o Ultralytics YOLO11, são altamente optimizados para gerar caixas delimitadoras precisas em tempo real.

Tipos de caixas delimitadoras

Existem dois tipos principais de caixas delimitadoras:

1. Caixa delimitadora alinhada com o eixo: Este é o tipo mais comum, em que os lados do retângulo estão alinhados com os eixos horizontal e vertical da imagem. São simples de representar e processar, mas podem ser ineficientes para objectos rodados ou com formas irregulares, uma vez que a caixa pode incluir uma área de fundo significativa.
2. Caixa delimitadora orientada (OBB): Este tipo de caixa inclui um parâmetro adicional para a rotação, permitindo-lhe ajustar-se melhor a objectos inclinados. Os OBBs são particularmente úteis em aplicações especializadas como a análise de imagens de satélite ou imagens aéreas de drones, onde os objectos são frequentemente vistos de vários ângulos. Modelos como o YOLO11 suportam a deteção orientada de objectos para lidar com estes cenários de forma mais eficaz.

Relação com outros conceitos

As caixas delimitadoras estão estreitamente relacionadas com outras tarefas de visão por computador, mas têm um objetivo distinto.

• Deteção de objectos vs. Segmentação de imagens: Enquanto a deteção de objectos utiliza caixas delimitadoras para localizar objectos, a segmentação de imagens oferece uma compreensão mais detalhada da forma de um objeto. A segmentação de instâncias, por exemplo, vai um passo mais além, delineando o limite exato ao nível do pixel de cada objeto distinto, em vez de desenhar apenas um retângulo à sua volta. Isto é útil para aplicações que requerem informações precisas sobre a forma. Mais informações podem ser encontradas neste guia para segmentação de instância.
• Caixa delimitadora vs. Caixa de ancoragem: Em alguns modelos de deteção de objectos, conhecidos como detectores baseados em âncoras, são utilizadas caixas pré-definidas denominadas "caixas de âncoras" como referências para ajudar o modelo a prever a caixa delimitadora final. Em contrapartida, os detectores sem âncoras prevêem as caixas delimitadoras diretamente sem estas predefinições, simplificando frequentemente a arquitetura do modelo.

Aplicações em cenários do mundo real

As caixas delimitadoras são parte integrante de inúmeras aplicações práticas de IA:

1. Veículos autónomos: Os veículos autónomos dependem fortemente da deteção de objectos para identificar e localizar peões, outros veículos e semáforos utilizando caixas delimitadoras. Esta consciência espacial, frequentemente conseguida através de modelos de aprendizagem profunda, é fundamental para uma navegação segura. Empresas como a Waymo apresentam esta tecnologia de forma extensiva. A Ultralytics oferece informações sobre a IA nos automóveis autónomos.
2. Análise de retalho: No retalho, as caixas delimitadoras ajudam na gestão de inventário orientada por IA, detectando produtos nas prateleiras, monitorizando os níveis de stock e analisando o comportamento dos clientes através de padrões de tráfego pedonal(contagem de objectos).
3. Segurança e vigilância: As caixas delimitadoras permitem que os sistemas de monitorização automatizados detectem e rastreiem indivíduos ou objectos em tempo real, accionando alertas para actividades suspeitas. Isto é fundamental para a construção de aplicações como sistemas de alarme de segurança.
4. Análise de imagens médicas: No sector dos cuidados de saúde, as caixas delimitadoras ajudam os médicos ao realçarem potenciais anomalias, como tumores em exames, ajudando a um diagnóstico mais rápido. Pode ver exemplos disto em Radiologia: Investigação sobre Inteligência Artificial e na nossa página de análise de imagens médicas.
5. Agricultura: As caixas delimitadoras são utilizadas na agricultura de precisão para tarefas como a identificação de frutos para colheita, a monitorização da saúde das culturas ou a deteção de pragas, conforme descrito no nosso blogue sobre visão computacional na agricultura.