Wie funktioniert das Matching der Bounding Box in den Modellen YOLO und DETR?

In Modellen zur Objekterkennung wie YOLO und DETR ist das Matching von Bounding Boxes der Prozess, bei dem Vorhersagen mit den tatsächlichen (Ground Truth) für Training und Bewertung abgeglichen werden.

YOLO:

• Verwendet ein vordefiniertes Gitter und Anker-Boxen.
• Für jede Anker-Box wird die Ground Truth mit dem maximalen IoU (Intersection over Union) ausgewählt.
• Das Matching basiert auf einem IoU-Schwellenwert: Wenn der IoU zwischen vorhergesagter und tatsächlicher Box höher als der Schwellenwert ist, gelten sie als übereinstimmend.
• Dies ermöglicht es dem Modell, die Koordinaten und Klassen der Objekte korrekt vorherzusagen.

DETR:

• Verwendet einen Transformer und eine Menge von Vorhersagen ohne Anker.
• Das Matching erfolgt mittels des Hungarian-Algorithmus.
• Für jedes Paar (Vorhersage, Ground Truth) wird eine Kostenfunktion berechnet, die berücksichtigt:
  • Die Entfernung zwischen den Koordinaten der Boxen (z.B. L1-Verlust)
  • IoU (oder generalisierte IoU)
  • Klassischer Fehler
• Der Hungarian-Algorithmus findet die optimale Zuordnung, die die Gesamtkosten minimiert.
• Dieser Ansatz ermöglicht eine effiziente Zuordnung der Vorhersagen zu den Objekten, auch wenn deren Anzahl variiert.

Auf diese Weise basiert YOLO auf strengen Regeln und Ankern, während DETR einen Optimierungsalgorithmus für ein dynamisches Matching ohne Anker verwendet.