Qual é o objetivo na tarefa de deteção e como é formada a função de perda?

Na tarefa de deteção de objetos, o objetivo (meta) é a informação sobre a posição e a classe dos objetos na imagem. Normalmente, trata-se de um conjunto de anotações que incluem:

• Coordenadas das caixas delimitadoras (bounding boxes), por exemplo, no formato (x, y, largura, altura) ou (x_min, y_min, x_max, y_max).
• Classes de objetos correspondentes a cada caixa.

A função de perda na deteção geralmente combina vários componentes:

1. Perda de localização — mede o erro na previsão das coordenadas das caixas (por exemplo, perda Smooth L1).
2. Perda de classificação — avalia a precisão na previsão da classe do objeto (por exemplo, entropia cruzada).
3. Às vezes, adicionam-se componentes adicionais, como para avaliar a confiança (confidence loss).

A função de perda total é uma soma ponderada desses componentes, que é otimizada durante o treino do modelo para que preveja melhor tanto a posição quanto a classe dos objetos.