Jaké typy modelů znáte pro úlohy detekce (rodina R-CNN, YOLO, SSD, DETR)?

Pro úkoly detekce objektů v počítačovém vidění existuje několik populárních architektur:

• Rodina R-CNN (R-CNN, Fast R-CNN, Faster R-CNN): dvoustupňové metody, kde se nejprve generují regionální návrhy (region proposals) a poté jsou objekty klasifikovány a upravovány jejich hranice. Nabízejí vysokou přesnost, ale jsou pomalejší.

• YOLO (You Only Look Once): jednofázová metoda, která rozdělí obrázek na mřížku a současně předpovídá třídy a souřadnice objektů. Rychlá a vhodná pro reálný čas.

• SSD (Single Shot MultiBox Detector): také detektor v jednom kroku, který využívá více úrovní rysů k detekci objektů různých velikostí. Vyváženost mezi rychlostí a přesností.

• DETR (Detection Transformer): moderní přístup využívající transformátory k přímému předpovědi objektů bez nutnosti generování regionů. Poskytuje jednoduchou architekturu a dobré výsledky.

Každý model má své výhody a je použitelný podle požadavků na rychlost a přesnost.