როგორ მუშაობს bounding box-ის მორგება YOLO და DETR მოდელებში?

ობიექტების გამოვლენის მოდელებში, როგორიცაა YOLO და DETR, bounding box-ების შესაბამისობა არის პროცესი, როდესაც პროგნოზებს უკავშირდებიან რეალურ (ground truth) მონაცემებს სწავლებისა და შეფასებისთვის.

YOLO:

• გამოიყენება წინასწარ განსაზღვრული გრაფი და ანკორ ყუთები.
• თითოეულ ანკორ ყუთისთვის ირჩევა ground truth-ი მაქსიმალური IoU (Intersection over Union) მნიშვნელობით.
• შესაბამისობა ეფუძნება IoU ზღვარს: თუ პროგნოზირებულ და რეალურ ყუთებს შორის IoU ზღვარს აღემატება, ისინი მიიჩნევა შესაბამისად.
• ეს საშუალებას აძლევს მოდელს სწორი პროგნოზი გააკეთოს ობიექტების კოორდინატებისა და კლასების შესახებ.

DETR:

• იყენებს ტრანსფორმატორს და პროგნოზების ნაკრებს, რომლებიც არ შეიცავს ანკორებს.
• შესაბამისობა ხორციელდება ჰანგარის ალგორითმის საშუალებით.
• თითოეულ წყვილ (პროგნოზი, ground truth)თვის გამოითვლება ხარჯი, რომელიც ითვალისწინებს:
  • ყუთების კოორდინატებს შორის მანძილს (მაგ., L1 ზარალი)
  • IoU (ან გენერალიზებული IoU)
  • კლასის შეცდომას
• ჰანგარის ალგორითმი პოულობს ოპტიმალურ შესაბამისობას, რომელიც მინიმუმამდე აყვანს საერთო ხარჯს.
• ეს მიდგომა საშუალებას აძლევს ეფექტურად დაკავშიროს პროგნოზები ობიექტებთან, მიუხედავად მათი რაოდენობის განსხვავებისა.

ამ გზით, YOLO დაფუძნებულია მკაცრ წესებზე და ანკორებზე, ხოლო DETR იყენებს ოპტიმიზაციის ალგორითმს დინამიური შესაბამისობისთვის, რომელიც არ შეიცავს ანკორებს.