Detection Head

Ein Detection Head fungiert als die finale Entscheidungsschicht in der Architektur eines Neuronalen Netzes zur Objekterkennung. Während die früheren Schichten des Modells für das Verständnis von Formen, Texturen und Merkmalen innerhalb eines Bildes verantwortlich sind, ist der Detection Head die spezifische Komponente, die diese Informationen interpretiert, um genau vorherzusagen, welche Objekte vorhanden sind und wo sie sich befinden. Er wandelt die abstrakten, hochstufigen Daten des Feature-Extractors in umsetzbare Ergebnisse um und gibt typischerweise eine Reihe von bounding boxes aus, die identifizierte Objekte umschließen, zusammen mit ihren entsprechenden Klassenlabels und confidence scores.

Unterscheidung des Heads von Backbone und Neck#

Um die Funktion eines Detection Head vollständig zu verstehen, ist es hilfreich, sich moderne Detektoren als aus drei Hauptphasen zusammengesetzt vorzustellen, von denen jede einen bestimmten Zweck in der computer vision (CV)-Pipeline erfüllt:

• Backbone: Dies ist der anfängliche Teil des Netzes, oft ein Convolutional Neural Network (CNN) wie ResNet oder CSPNet. Es verarbeitet das rohe Eingabebild, um feature maps zu erstellen, die visuelle Muster repräsentieren.
• Neck: Der Neck sitzt zwischen dem Backbone und dem Head und verfeinert sowie kombiniert Merkmale verschiedener Skalen. Architekturen wie das Feature Pyramid Network (FPN) stellen durch die Aggregation von Kontext sicher, dass das Modell Objekte unterschiedlicher Größe erkennen kann.
• Head: Die letzte Komponente, die die verfeinerten Merkmale aus dem Neck konsumiert. Sie führt die eigentliche Aufgabe der Klassifizierung (Was ist es?) und der Regression (Wo ist es?) aus.

Entwicklung: Anchor-Based vs. Anchor-Free#

Das Design von Detection Heads hat sich erheblich weiterentwickelt, um Geschwindigkeit und Genauigkeit zu verbessern, insbesondere durch den Übergang von traditionellen Methoden zu modernen real-time inference-Modellen.

• Anchor-Based Heads: Traditionelle one-stage object detectors stützten sich auf vordefinierte anchor boxes—feste Referenzformen verschiedener Größen. Der Head sagte voraus, wie stark diese Anker gestreckt oder verschoben werden mussten, um zum Objekt zu passen. Dieser Ansatz wird in der Grundlagenforschung zu Faster R-CNN beschrieben.
• Anchor-Free Heads: State-of-the-Art-Modelle, einschließlich des neuesten YOLO26, verwenden anchor-free detectors. Diese Heads sagen Objektzentren und -dimensionen direkt aus den Pixeln in den Feature-Maps voraus, wodurch die Notwendigkeit einer manuellen Ankerabstimmung entfällt. Dies vereinfacht die Architektur und verbessert die Fähigkeit des Modells, auf neuartige Objektformen zu verallgemeinern, eine Technik, die oft mit Fully Convolutional One-Stage Object Detection (FCOS) assoziiert wird.

Praxisanwendungen#

Die Präzision des Detection Head ist entscheidend für den Einsatz von artificial intelligence (AI) in sicherheitskritischen und industriellen Umgebungen. Du kannst Daten ganz einfach annotieren und diese spezialisierten Heads mit der Ultralytics Platform trainieren.

• Autonomes Fahren: In der AI for automotive ist der Detection Head dafür verantwortlich, Fußgänger, Ampeln und andere Fahrzeuge in Echtzeit zu unterscheiden. Ein hochoptimierter Head stellt sicher, dass die inference latency niedrig genug bleibt, damit das Fahrzeug sofort reagieren kann.
• Medizinische Diagnostik: In der medical image analysis werden Detection Heads feinabgestimmt, um Anomalien wie Tumoren in MRT-Scans zu lokalisieren. Der Regressionszweig muss äußerst präzise sein, um die genauen Grenzen einer Läsion abzugrenzen und Ärzten bei healthcare solutions zu helfen.

Code-Beispiel#

Das folgende Beispiel zeigt, wie du ein YOLO26-Modell lädst und die Ausgabe seines Detection Head überprüfst. Wenn die Inferenz läuft, verarbeitet der Head das Bild und gibt das finale boxes zurück, das Koordinaten und Klassen-IDs enthält.

from ultralytics import YOLO

# Load the YOLO26n model (nano version)
model = YOLO("yolo26n.pt")

# Run inference on an image to utilize the detection head
results = model("https://ultralytics.com/images/bus.jpg")

# The detection head outputs are stored in results[0].boxes
for box in results[0].boxes:
    # Print the bounding box coordinates and the predicted class
    print(f"Class: {int(box.cls)}, Coordinates: {box.xywh.numpy()}")

Diese Interaktion verdeutlicht, wie der Detection Head komplexe Aktivierungen des neuronalen Netzes in lesbare Daten übersetzt, die Entwickler für nachfolgende Aufgaben wie object tracking oder Zählen verwenden können.