Kā darbojas bounding box saskaņošana YOLO un DETR modeļos?

Objektu atpazīšanas modeļos, piemēram, YOLO un DETR, bounding box saskaņošana ir process, kad prognozes tiek sasaistītas ar patiesajām (ground truth) vērtībām apmācības un novērtēšanas nolūkos.

YOLO:

• Izmanto iepriekš noteiktu režģi un ankeru kastītes.
• Katram ankeru kastītim tiek izvēlēta ground truth ar maksimālo IoU (Intersection over Union).
• Saskaņošana balstās uz IoU slieksni: ja prognozētās un patiesās kastītes IoU ir lielāks par slieksni, tās tiek uzskatītas par saskaņotām.
• Tas ļauj modelim pareizi mācīties prognozēt objektu koordinātas un klases.

DETR:

• Izmanto transformatoru un prognožu kopu bez ankeriem.
• Saskaņošana tiek veikta ar hungara algoritmu.
• Katram pāram (prognoze, ground truth) tiek aprēķinātas izmaksas, ņemot vērā:
  • Attālumu starp kastīšu koordinātēm (piemēram, L1 zudums)
  • IoU (vai vispārējo IoU)
  • Klasu kļūdu
• Hungara algoritms atrod optimālo saskaņošanu, kas minimizē kopējās izmaksas.
• Šī pieeja ļauj efektīvi sasaistīt prognozes ar objektiem, pat ja to skaits atšķiras.

Tādējādi, YOLO balstās uz stingriem noteikumiem un ankeriem, kamēr DETR izmanto optimizācijas algoritmu dinamiskai saskaņošanai bez ankeriem.