Ako funguje porovnávanie bounding box v modeloch YOLO a DETR?

V modeloch na detekciu objektov, ako sú YOLO a DETR, je zladenie bounding boxov procesom spájania predpovedí s pravdivými (ground truth) hodnotami na tréning a hodnotenie.

YOLO:

• Používa vopred definovanú mriežku a kotvy (anchor).
• Pre každý kotviaci box je vybraná ground truth s maximálnym IoU (Intersection over Union).
• Zladenie je založené na prahu IoU: ak je IoU medzi predpovedaným a skutočným boxom vyšší ako prah, považujú sa za zladené.
• To umožňuje modelu naučiť sa správne predpovedať súradnice a triedy objektov.

DETR:

• Používa transformer a súbor predpovedí bez kotiev.
• Zladenie sa vykonáva pomocou hungarského algoritmu.
• Pre každý pár (predpoveď, ground truth) sa vypočíta náklad, ktorý zohľadňuje:
  • Vzdialenosť medzi súradnicami boxov (napríklad strata L1)
  • IoU (alebo generalizované IoU)
  • Chybu triedy
• Hungarský algoritmus nájde optimálne zladenie, ktoré minimalizuje celkový náklad.
• Tento prístup umožňuje efektívne spájanie predpovedí s objektmi, aj keď ich počet sa líši.

Takto, YOLO sa zakladá na prísnych pravidlách a kotvách, zatiaľ čo DETR využíva optimalizačný algoritmus pre dynamické zladenie bez kotiev.