Ինչպես է աշխատում bounding box-ի համապատասխանությունը YOLO և DETR մոդելներում։

Օբյեկտների հայտնաբերման մոդելներում, ինչպիսիք են YOLO և DETR, bounding box-ների համապատասխանեցումը այն գործընթացն է, երբ կանխատեսումները կապվում են իրական (ground truth) տվյալների հետ ուսուցման և գնահատման համար:

YOLO:

• Օգտագործում է նախապես սահմանված ցանց և աքսորային (anchor) տուփեր:
• Ամեն մի աքսորային տուփի համար ընտրվում է ground truth-ը, որն ունի առավելագույն IoU (Intersection over Union):
• Համապատասխանեցումը հիմնված է IoU շեմի վրա. եթե կանխատեսված և իրական տուփերի միջև IoU-ն գերազանցում է շեմը, դրանք համարվում են համապատասխան:
• Սա թույլ է տալիս մոդելին սովորել ճիշտ կանխատեսել օբյեկտների կոորդինատները և դասերը:

DETR:

• Օգտագործում է փոխակերպիչ և կանխատեսումների հավաքածու առանց աքսորների:
• Համապատասխանեցումը կատարվում է Հունգարական ալգորիթմով:
• Ամեն մի զույգի (նախատեսում, ground truth) համար հաշվարկվում է արժեք, որը հաշվի է առնում՝
  • Կտորների կոորդինատների միջև հեռավորությունը (օրինակ, L1 կորուստ)
  • IoU (կամ ընդհանուր IoU)
  • Կլասի սխալը:
• Հունգարական ալգորիթմը գտնում է օպտիմալ համապատասխանեցումը, որը նվազեցնում է ընդհանուր արժեքը:
• Այս մոտեցումը թույլ է տալիս արդյունավետ կապել կանխատեսումները օբյեկտների հետ, նույնիսկ եթե նրանց քանակը տարբեր է:

Այսպիսով, YOLO-ն հիմնված է խիստ կանոնների և աքսորների վրա, մինչդեռ DETR-ը օգտագործում է օպտիմալացման ալգորիթմ՝ դինամիկ համապատասխանեցում առանց աքսորների։