Mi a cél a detektálási feladatban, és hogyan alakul ki a veszteségfüggvény?

A tárgyfelismerési feladatban a cél (target) az információ a tárgyak helyzetéről és osztályáról a képen. Általában ez egy annotációk halmaza, amely magában foglalja:

• A határoló dobozok (bounding boxes) koordinátáit, például (x, y, szélesség, magasság) vagy (x_min, y_min, x_max, y_max) formátumban.
• Minden dobozhoz tartozó tárgy osztályokat.

A felismerés során a veszteségfüggvény általában több összetevőt kombinál:

1. Helymeghatározási veszteség — méri a hibát a dobozok koordinátáinak előrejelzésében (pl. Smooth L1 veszteség).
2. Osztályozási veszteség — értékeli az objektum osztályának helyességét (pl. kereszt-entrópia).
3. Néha további összetevőket adnak hozzá, például a bizalom értékeléséhez (confidence loss).

Az összesített veszteségfüggvény ezeknek az összetevőknek a súlyozott összege, amelyet a modell tanítása során optimalizálnak, hogy jobban előrejelezze mind a helyet, mind az objektum osztályát.