Πώς λειτουργεί η αντιστοίχιση του bounding box στα μοντέλα YOLO και DETR;

Στα μοντέλα ανίχνευσης αντικειμένων, όπως YOLO και DETR, η αντιστοίχιση των bounding box είναι η διαδικασία συσχέτισης των προβλέψεων με τις πραγματικές (ground truth) για εκπαίδευση και αξιολόγηση.

YOLO:

• Χρησιμοποιεί ένα προκαθορισμένο πλέγμα και μπλοκ-αγκίστρια (anchor).
• Για κάθε μπλοκ-αγκίστρι, επιλέγεται η ground truth με το μέγιστο IoU (Intersection over Union).
• Η αντιστοίχιση βασίζεται σε ένα κατώφλι IoU: αν το IoU μεταξύ της προβλεπόμενης και της πραγματικής μπλοκ-αγκίστριας είναι μεγαλύτερο από το κατώφλι, θεωρούνται ότι ταιριάζουν.
• Αυτό επιτρέπει στο μοντέλο να μαθαίνει να προβλέπει σωστά τις συντεταγμένες και τις κλάσεις των αντικειμένων.

DETR:

• Χρησιμοποιεί έναν μετασχηματιστή και ένα σύνολο προβλέψεων χωρίς μπλοκ-αγκίστρια.
• Η αντιστοίχιση πραγματοποιείται μέσω του αλγορίθμου Χούνγκαρ.
• Για κάθε ζεύγος (πρόβλεψη, ground truth), υπολογίζεται ένα κόστος που λαμβάνει υπόψη:
  • Τη απόσταση μεταξύ των συντεταγμένων των κουτιών (π.χ., απώλεια L1)
  • IoU (ή γενικευμένο IoU)
  • Σφάλμα κλάσης
• Ο αλγόριθμος Χούνγκαρ βρίσκει την βέλτιστη αντιστοίχιση που ελαχιστοποιεί το συνολικό κόστος.
• Αυτή η προσέγγιση επιτρέπει την αποτελεσματική συσχέτιση των προβλέψεων με τα αντικείμενα, ακόμη και αν ο αριθμός τους διαφέρει.

Έτσι, το YOLO βασίζεται σε αυστηρούς κανόνες και μπλοκ-αγκίστρια, ενώ το DETR χρησιμοποιεί έναν αλγόριθμο βελτιστοποίησης για δυναμική αντιστοίχιση χωρίς μπλοκ-αγκίστρια.