Co je cílem v úloze detekce a jak je formulována ztrátová funkce?

V úloze detekce objektů je cílem (target) informace o poloze a třídě objektů na obrázku. Obvykle se jedná o soubor anotací, které zahrnují:

• Souřadnice ohraničujících rámečků (bounding boxes), například ve formátu (x, y, šířka, výška) nebo (x_min, y_min, x_max, y_max).
• Třídy objektů odpovídající každému rámečku.

Funkce ztráty při detekci obvykle kombinuje několik složek:

1. Ztráta lokalizace — měří chybu v předpovědi souřadnic rámečků (například Smooth L1 ztráta).
2. Ztráta klasifikace — hodnotí správnost předpovědi třídy objektu (například křížová entropie).
3. Někdy jsou přidány další složky, například pro odhad jistoty (confidence loss).

Celková funkce ztráty je váženým součtem těchto složek, který se optimalizuje během tréninku modelu, aby lépe předpovídal jak polohu, tak třídu objektů.