Как работи съвпадането на bounding box в моделите YOLO и DETR?

В моделите за откриване на обекти, като YOLO и DETR, съпоставянето на bounding box-ове е процесът на свързване на прогнозите с истинските (ground truth) за обучение и оценка.

YOLO:

• Използва предварително зададена мрежа и котви (anchor).
• За всяка котва се избира ground truth с максимален IoU (Intersection over Union).
• Съпоставянето се базира на праг на IoU: ако IoU между прогнозирания и истинския боксове е по-висок от прага, те се считат за съответстващи.
• Това позволява на модела да научи правилно да предсказва координатите и класовете на обектите.

DETR:

• Използва трансформатор и набор от прогнози без котви.
• Съпоставянето се извършва чрез hungarian алгоритъм.
• За всяка двойка (прогноза, ground truth) се изчислява разход, който взема предвид:
  • Разстоянието между координатите на боксовете (например, L1 загуба)
  • IoU (или обобщен IoU)
  • Грешка в класа
• Hungarian алгоритъмът намира оптималното съответствие, минимизиращо общия разход.
• Този подход позволява ефективно съпоставяне на прогнозите с обектите, дори ако техният брой се различава.

По този начин, YOLO се базира на строги правила и котви, докато DETR използва алгоритъм за оптимизация за динамично съпоставяне без котви.