Detectores de objectos de duas fases

Os detectores de objectos em duas fases representam uma categoria de arquitecturas de deteção de objectos na visão por computador que dão prioridade à precisão, dividindo o processo de deteção em duas fases distintas. Estes detectores são concebidos para identificar primeiro regiões de interesse numa imagem onde possam estar presentes objectos e depois, na segunda fase, classificar os objectos nessas regiões e refinar as suas localizações. Esta abordagem metódica permite uma análise mais detalhada de cada potencial objeto, conduzindo a uma maior precisão de deteção, especialmente em cenários complexos.

Visão geral

Os detectores de duas fases são uma pedra angular na evolução da deteção de objectos, oferecendo uma estrutura robusta para identificar e localizar objectos em imagens. Ao contrário dos seus homólogos, os detectores de uma fase, privilegiam a precisão em detrimento da velocidade, realizando a deteção de objectos de forma sequencial. Isto envolve uma fase inicial de proposta, em que são identificadas potenciais localizações de objectos, seguida de uma fase de refinamento, em que estas propostas são classificadas e localizadas com precisão. Este processo meticuloso permite que os detectores de duas fases atinjam a precisão mais avançada em várias tarefas de visão por computador.

Como funcionam os detectores de duas fases

O funcionamento dos detectores de duas fases pode ser dividido em duas fases principais:

• Proposta de região: Na primeira fase, a arquitetura gera um conjunto de caixas delimitadoras candidatas que provavelmente conterão objectos. Isto é frequentemente conseguido através de algoritmos como a pesquisa selectiva ou as redes de propostas de regiões (RPN). Estes métodos analisam eficazmente a imagem e propõem regiões que justificam uma análise mais aprofundada.
• Classificação e localização de objectos: A segunda etapa refina as propostas da primeira etapa. Cada região proposta é passada por uma rede neural convolucional (CNN) para classificar o objeto dentro dela e ajustar a caixa delimitadora para uma localização mais precisa. Esta fase beneficia do facto de concentrar os recursos computacionais nas regiões propostas, o que conduz a uma classificação mais precisa e a uma regressão da caixa delimitadora.

Este processo de duas etapas permite que o modelo dedique recursos tanto à identificação de potenciais objectos como à sua classificação e localização precisas, contribuindo para a sua elevada precisão.

Vantagens e desvantagens

Os detectores de duas fases oferecem várias vantagens, principalmente em termos de precisão da deteção. Ao dedicar fases separadas à proposta de regiões e à classificação de objectos, estes modelos podem atingir um nível mais fino de detalhe e de consciência do contexto. No entanto, esta precisão tem contrapartidas:

Vantagens:

• Elevada precisão: O processo de duas fases conduz geralmente a uma deteção de objectos mais precisa, particularmente em cenários com objectos sobrepostos ou pequenos.
• Localização precisa: A fase de refinamento permite uma colocação mais precisa da caixa delimitadora em torno dos objectos detectados.
• Eficaz em cenas complexas: Lida melhor com cenas complexas e oclusões devido à análise detalhada na segunda fase.

Desvantagens:

• Velocidade de inferência mais lenta: A natureza sequencial da deteção em duas fases torna-a mais lenta em comparação com os detectores de uma fase, o que pode ser uma limitação para aplicações em tempo real.
• Intensidade computacional: A necessidade de processar as propostas de regiões e depois classificá-las torna os detectores de duas fases mais dispendiosos do ponto de vista computacional.
• Complexidade: O processo de arquitetura e de formação pode ser mais complexo do que as alternativas de uma só fase.

Aplicações no mundo real

Apesar das suas exigências computacionais, a elevada precisão dos detectores de duas fases torna-os inestimáveis em aplicações em que a precisão é fundamental:

• Análise de imagens médicas: Na análise de imagens médicas, a deteção precisa de anomalias como tumores é fundamental. Os detectores de duas fases são utilizados pela sua capacidade de localizar e classificar com precisão anomalias subtis em exames médicos, ajudando no diagnóstico e no planeamento do tratamento. Por exemplo, eles podem ser usados para detetar tumores em exames de ressonância magnética do cérebro, como explorado em aplicações de Ultralytics YOLO11 em imagens médicas.
• Condução autónoma: Embora o processamento em tempo real seja crucial para a tecnologia de condução autónoma, certos aspectos como a deteção de peões e sinais de trânsito beneficiam da elevada precisão dos detectores de duas fases. Por exemplo, a identificação precisa de peões em condições variadas é vital para a segurança, e os detectores de duas fases contribuem para isso ao fornecerem uma deteção fiável, mesmo em cenários com muita gente ou de baixa visibilidade.

Comparação com detectores de uma fase

A principal distinção entre os detectores de objectos de duas fases e de uma fase reside na sua abordagem à deteção de objectos. Os detectores de uma fase, como o Ultralytics YOLOsimplificam o processo, realizando a localização e classificação de objectos numa única passagem. Isto torna-os significativamente mais rápidos, ideais para aplicações em tempo real. No entanto, os detectores de dois estágios, como o Faster R-CNN e o Mask R-CNN, alcançam maior precisão ao separar essas tarefas em estágios distintos, conforme discutido anteriormente.

A escolha entre detectores de uma ou duas fases implica um equilíbrio entre a necessidade de velocidade e a necessidade de precisão. Para aplicações que requerem uma deteção rápida, como a vigilância por vídeo em tempo real ou a navegação autónoma, os detectores de uma fase são frequentemente preferidos. Em contrapartida, para aplicações em que a precisão é fundamental, como o diagnóstico médico ou a análise detalhada de imagens, os detectores de duas fases continuam a ser a escolha preferida.