Detectores de Objetos de Dois Estágios

Os detetores de objetos de duas fases são uma classe sofisticada de arquiteturas de aprendizagem profunda (DL) utilizadas na visão computacional para identificar e localizar itens dentro de uma imagem. Ao contrário dos seus homólogos de uma fase, que realizam a detecção numa única passagem, estes modelos dividem a tarefa em duas fases distintas: proposta de região e classificação de objetos. Esta abordagem bifurcada foi pioneira para priorizar a alta precisão de localização, tornando estes detetores historicamente significativos na evolução da inteligência artificial (IA). Ao separar o «onde» do «o quê», os detetores de duas fases geralmente alcançam uma precisão superior, principalmente em objetos pequenos ou ocultos, embora isso normalmente acarrete um aumento nos recursos computacionais necessários e uma latência de inferência mais lenta.

O Processo de Dois Estágios

A arquitetura de um detetor de duas fases baseia-se num fluxo de trabalho sequencial que imita a forma como um ser humano poderia examinar cuidadosamente uma cena.

1. Proposta de região: Na primeira fase, o modelo analisa a imagem de entrada para identificar áreas potenciais onde podem existir objetos. Um componente conhecido como Rede de Proposta de Região (RPN) gera um conjunto esparso de caixas candidatas , frequentemente referidas como Regiões de Interesse (RoIs). Esta fase filtra a maior parte do fundo, permitindo que a rede concentre o poder de processamento em áreas relevantes.
2. Classificação e refinamento: Na segunda fase, o modelo extrai características dessas regiões candidatas usando Redes Neurais Convolucionais (CNNs). Em seguida, atribui um rótulo de classe específico (por exemplo, «pessoa», «veículo») a cada região e refina as coordenadas da caixa delimitadora para envolver firmemente o objeto.

Exemplos proeminentes dessa arquitetura incluem a família R-CNN, especificamente Faster R-CNN e Mask R-CNN, que estabeleceram o padrão para referências académicas por vários anos.

Comparação com detetores de fase única

É útil distinguir os modelos de duas fases dos detetores de objetos de uma fase, como o Single Shot MultiBox Detector (SSD) e aYOLO Ultralytics YOLO . Enquanto os modelos de duas fases priorizam a precisão ao processar regiões separadamente, os modelos de uma fase enquadram a deteção como um único problema de regressão, mapeando os pixels da imagem diretamente para coordenadas de caixas delimitadoras e probabilidades de classe.

Historicamente, isso criou uma compensação: os modelos de duas etapas eram mais precisos, mas mais lentos, enquanto os modelos de uma etapa eram mais rápidos, mas menos precisos. No entanto, os avanços modernos tornaram essa linha mais tênue. Modelos de última geração, como o YOLO26, agora utilizam arquiteturas completas que rivalizam com a precisão dos detetores de duas etapas, mantendo a velocidade necessária para a inferência em tempo real.

Aplicações no Mundo Real

Devido à sua ênfase na precisão e na recuperação, os detetores de duas fases são frequentemente preferidos em cenários onde a segurança e os detalhes são mais críticos do que a velocidade bruta de processamento.

• Diagnóstico médico por imagem: No campo da IA na área da saúde, errar um diagnóstico pode ser crítico. Arquiteturas de duas etapas são frequentemente utilizadas na análise de imagens médicas para detect anomalias como tumores em raios-X ou ressonâncias magnéticas. O processo em várias etapas ajuda a garantir que pequenas lesões não sejam ignoradas em tecidos complexos, fornecendo aos radiologistas assistência automatizada de alta confiabilidade.
• Inspeção industrial de alta precisão: Na fabricação inteligente, os sistemas de inspeção visual automatizados usam esses modelos para identificar defeitos microscópicos nas linhas de montagem. Por exemplo, detectar uma fratura fina em uma pá de turbina requer a alta precisão de Intersection over Union (IoU) que os detectores de dois estágios fornecem, garantindo que apenas componentes sem falhas avancem para a próxima etapa da produção.

Implementação de detecção moderna

Embora os detetores de duas fases tenham estabelecido as bases para uma visão de alta precisão, os programadores modernos utilizam frequentemente modelos avançados de uma fase que oferecem um desempenho comparável com fluxos de trabalho de implementação significativamente mais fáceis. Ultralytics simplifica o treino e a implementação desses modelos, gerindo conjuntos de dados e recursos computacionais de forma eficiente.

Python a seguir demonstra como carregar e executar a inferência usando um fluxo de trabalho moderno de detecção de objetos com ultralytics, alcançando resultados de alta precisão semelhantes às abordagens tradicionais de duas etapas, mas com maior eficiência:

from ultralytics import YOLO

# Load the YOLO26 model, a modern high-accuracy detector
model = YOLO("yolo26n.pt")

# Run inference on an image to detect objects
results = model("https://ultralytics.com/images/bus.jpg")

# Process results (bounding boxes, classes, and confidence scores)
for result in results:
    result.show()  # Display the detection outcomes
    print(result.boxes.conf)  # Print confidence scores