Co jest celem w zadaniu detekcji i jak jest formułowana funkcja straty?

W zadaniu wykrywania obiektów celem jest informacja o położeniu i klasie obiektów na obrazie. Zazwyczaj jest to zbiór adnotacji obejmujących:

• Współrzędne ram ograniczających (bounding boxes), na przykład w formacie (x, y, szerokość, wysokość) lub (x_min, y_min, x_max, y_max).
• Klasy obiektów odpowiadające każdej ramce.

Funkcja straty w detekcji zwykle łączy kilka składników:

1. Strata lokalizacji — mierzy błąd w przewidywaniu współrzędnych ramek (np. strata Smooth L1).
2. Strata klasyfikacji — ocenia poprawność przewidywania klasy obiektu (np. entropia krzyżowa).
3. Czasami dodaje się dodatkowe składniki, np. do oceny pewności (confidence loss).

Ogólna funkcja straty to ważona suma tych składników, która jest optymalizowana podczas treningu modelu, aby lepiej przewidywał zarówno pozycję, jak i klasę obiektów.