Em que casos deve-se usar um detector de duas etapas em produção?

O detector de duas etapas em aprendizagem automática é geralmente utilizado em tarefas de deteção de objetos, onde é necessária alta precisão e fiabilidade. Em produção, deve ser utilizado nos seguintes casos:

• É necessária alta precisão na deteção: modelos de duas etapas, como Faster R-CNN, primeiro geram propostas de regiões e depois as classificam, o que melhora a qualidade da deteção.
• Restrições em falsos positivos: se for importante minimizar falsos positivos, a abordagem de duas etapas ajuda a filtrar melhor os objetos.
• Recursos computacionais suficientes: detectores de duas etapas tendem a ser mais exigentes em recursos, por isso são usados quando a infraestrutura o permite.
• Cenas complexas com múltiplos objetos: quando os objetos se sobrepõem ou têm formas complexas, modelos de duas etapas apresentam melhores resultados.

Em produção, muitas vezes combinam detectores de duas etapas com otimizações (por exemplo, quantização, poda) e usam frameworks que suportam a exportação de modelos para uma inferência eficiente.