Como funciona o matching da bounding box nos modelos YOLO e DETR?

Nos modelos de deteção de objetos, como YOLO e DETR, o emparelhamento de bounding boxes é o processo de associar as previsões às verdadeiras (ground truth) para treino e avaliação.

YOLO:

• Utiliza uma grelha pré-definida e caixas âncora (anchor).
• Para cada caixa âncora, é selecionada a ground truth com o IoU (Intersection over Union) máximo.
• O emparelhamento baseia-se num limiar de IoU: se o IoU entre a caixa prevista e a verdadeira for superior ao limiar, consideram-se emparelhadas.
• Isto permite que o modelo aprenda a prever corretamente as coordenadas e classes dos objetos.

DETR:

• Utiliza um transformador e um conjunto de previsões sem âncoras.
• O emparelhamento é feito através do algoritmo húngaro.
• Para cada par (previsão, ground truth), calcula-se um custo que considera:
  • A distância entre as coordenadas das caixas (por exemplo, perda L1)
  • IoU (ou IoU generalizado)
  • Erro de classe
• O algoritmo húngaro encontra a correspondência ótima que minimiza o custo total.
• Esta abordagem permite emparelhar eficazmente as previsões com os objetos, mesmo que a sua quantidade seja diferente.

Assim, o YOLO baseia-se em regras rígidas e âncoras, enquanto o DETR utiliza um algoritmo de otimização para um emparelhamento dinâmico sem âncoras.