Какво е целта в задачата за детекция и как се формира функцията на загубата?

В задачата за откриване на обекти, целта (target) е информация за позицията и класа на обектите в изображението. Обикновено това е набор от annotations, които включват:

• Координати на ограничителните рамки (bounding boxes), например във формат (x, y, ширина, височина) или (x_min, y_min, x_max, y_max).
• Класове на обектите, съответстващи на всяка рамка.

Функцията за загуба при откриване обикновено комбинира няколко компонента:

1. Загуба за локализация — измерва грешката при предсказването на координатите на рамките (например, Smooth L1 загуба).
2. Загуба за класификация — оценява точността на предсказването на класа на обекта (например, крос-ентропия).
3. Понякога се добавят допълнителни компоненти, например за оценка на увереността (confidence loss).

Общата функция за загуба е тежестен сбор от тези компоненти, който се оптимизира по време на обучение на модела, за да предсказва по-добре както позицията, така и класа на обектите.