¿Cómo funciona el emparejamiento de la caja delimitadora en los modelos YOLO y DETR?

En los modelos de detección de objetos, como YOLO y DETR, el emparejamiento de cuadros delimitadores (bounding box) es el proceso de relacionar las predicciones con las verdaderas (ground truth) para entrenamiento y evaluación.

YOLO:

• Utiliza una cuadrícula predefinida y cajas ancla (anchor).
• Para cada caja ancla, se selecciona la ground truth con el IoU (Intersección sobre Unión) máximo.
• El emparejamiento se basa en un umbral de IoU: si el IoU entre la caja predicha y la verdadera es mayor que el umbral, se consideran emparejadas.
• Esto permite que el modelo aprenda a predecir correctamente las coordenadas y clases de los objetos.

DETR:

• Utiliza un transformador y un conjunto de predicciones sin anclas.
• El emparejamiento se realiza mediante el algoritmo húngaro.
• Para cada par (predicción, ground truth), se calcula un coste que considera:
  • La distancia entre las coordenadas de las cajas (por ejemplo, pérdida L1)
  • IoU (o IoU generalizado)
  • Error de clase
• El algoritmo húngaro encuentra la correspondencia óptima que minimiza el coste total.
• Este enfoque permite emparejar eficazmente las predicciones con los objetos, incluso si su cantidad difiere.

De esta forma, YOLO se basa en reglas estrictas y anclas, mientras que DETR utiliza un algoritmo de optimización para un emparejamiento dinámico sin anclas.