Comment améliorer le mAP d'un modèle sur les petits objets : un guide rapide

À mesure que l'adoption de l'intelligence artificielle (IA), de l'apprentissage automatique et de la computer vision continue de croître, les systèmes de détection d'objets sont utilisés partout, des caméras de circulation intelligentes aux drones et aux outils d'analyse de vente au détail. Souvent, ces systèmes doivent détecter des objets de toutes tailles, qu'il s'agisse d'un grand camion proche de la caméra ou d'un minuscule piéton au loin.

En général, repérer des objets grands et clairement visibles est plus simple. En revanche, détecter de petits objets est plus difficile.

Lorsqu'un objet n'occupe qu'une minuscule partie de l'image, il y a très peu d'informations visuelles avec lesquelles travailler. Un piéton éloigné dans un flux de circulation ou un petit véhicule capturé depuis une vue aérienne pourrait ne contenir que quelques pixels, et pourtant ces pixels peuvent transporter des informations essentielles.

Les Computer vision models comme les modèles Ultralytics YOLO s'appuient sur des motifs visuels pour reconnaître les objets, et lorsque ces motifs sont limités ou peu clairs, les performances en pâtissent. Des détails importants peuvent être perdus lors du traitement, rendant les prédictions plus sensibles aux erreurs de localisation. Même un léger décalage d'une boîte englobante peut transformer une détection correcte en une détection manquée.

Cet écart devient clair lorsque nous examinons les performances du modèle. La plupart des modèles de détection et de segmentation gèrent bien les objets de taille moyenne et grande, mais les petits objets réduisent souvent la précision globale.

Les performances du deep learning sont généralement mesurées à l'aide de la mean average precision, ou mAP. Cette métrique reflète à la fois la précision des détections et la qualité de l'alignement des boîtes prédites avec les objets réels.

Elle combine la précision, qui montre combien d'objets prédits sont corrects, et le rappel, qui montre combien d'objets réels sont détectés avec succès, à travers différents niveaux de confiance et seuils d'Intersection sur Union, ou IoU (une métrique qui mesure à quel point la boîte englobante prédite chevauche la boîte de vérité terrain).

Auparavant, nous avons exploré la small object detection et les raisons pour lesquelles c'est un problème si difficile pour les modèles de vision par ordinateur. Dans cet article, nous allons nous appuyer sur ces bases et nous concentrer sur la manière d'améliorer la mAP lorsque de petits objets sont impliqués. C'est parti !

Pourquoi les petits objets sont-ils plus difficiles à détecter ?#

Lorsqu'il s'agit d'applications impliquant des détecteurs d'objets, un petit objet est défini par l'espace qu'il occupe dans une image, et non nécessairement par sa taille apparente à l'œil humain. S'il n'occupe qu'une minuscule partie de l'image, il contient très peu d'informations visuelles, ce qui rend la détection précise plus difficile pour un algorithme de vision par ordinateur.

Fig 1. Exemples d'images montrant de petits objets occupant des zones de pixels limitées (Source)

Avec moins de pixels disponibles, des détails importants tels que les contours, les formes et les textures peuvent être flous ou facilement perdus. À mesure que l'image est traitée par le modèle, elle est redimensionnée et simplifiée pour mettre en évidence les motifs utiles.

Bien que cela aide le modèle à comprendre la scène globale, cela peut également réduire encore davantage les détails fins. Pour les petits objets, ces détails sont souvent essentiels pour une détection correcte.

Ces défis deviennent encore plus évidents lors de l'examen des evaluation metrics. Les petits objets sont particulièrement sensibles aux erreurs de localisation. Même une boîte englobante légèrement mal alignée peut tomber en deçà du seuil requis d'Intersection over Union, ou IoU.

Lorsque cela arrive, une prédiction qui semble raisonnable peut être comptée comme incorrecte. Cela abaisse à la fois la précision et le rappel, ce qui réduit finalement la précision moyenne, ou mAP.

Parce que ces facteurs sont étroitement liés, l'amélioration des performances nécessite souvent de penser à l'ensemble du système. Cela signifie équilibrer soigneusement la résolution de l'image, l'extraction de caractéristiques, la conception du modèle et les paramètres d'évaluation afin que les petits détails visuels soient mieux préservés et interprétés.

L'importance de la qualité des jeux de données et des annotations#

En ce qui concerne la détection de petits objets, la qualité d'un jeu de données fait souvent la plus grande différence en termes de performances. Les petits objets n'occupent qu'une minuscule partie d'une image, ce qui signifie qu'il y a très peu d'informations visuelles disponibles pour que le modèle puisse apprendre. Pour cette raison, les données d'entraînement deviennent particulièrement importantes. Si le jeu de données ne comprend pas assez d'exemples clairs et représentatifs, le modèle de détection d'objets aura du mal à reconnaître des motifs cohérents.

Les ensembles de données qui fonctionnent bien pour la détection de petits objets contiennent généralement des images haute résolution, des apparitions fréquentes de petites cibles et des conditions visuelles cohérentes. Bien que les ensembles de données génériques tels que le COCO dataset soient des points de départ utiles, ils ne correspondent souvent pas à l'échelle, à la densité ou au contexte de cas d'utilisation réels spécifiques. Dans de tels cas, la collecte de données d'entraînement spécifiques au domaine devient nécessaire pour améliorer les performances du modèle.

La Annotation quality joue également un rôle essentiel. Les annotations établissent la vérité terrain en spécifiant les étiquettes d'objets correctes et les emplacements des boîtes englobantes que le modèle apprend à prédire.

Pour les petits objets, les boîtes englobantes doivent être dessinées avec soin et cohérence. Même de légères différences dans le placement de la boîte peuvent affecter sensiblement la précision de la localisation car les petits objets sont très sensibles aux décalages au niveau du pixel.

Des annotations médiocres ou incohérentes peuvent réduire considérablement la mAP. Si les objets sont mal étiquetés, le modèle apprend des motifs incorrects, ce qui peut augmenter les faux positifs.

Si des objets apparaissent dans l'image mais sont absents de la vérité terrain, des détections correctes peuvent être comptées comme des faux positifs lors de l'évaluation. Les deux situations abaissent les performances globales.

Il est intéressant de noter que des recherches récentes indiquent que la precision for small objects moyenne reste souvent entre 20 % et 40 % sur les benchmarks standard, ce qui est nettement inférieur à celle des objets plus grands. Cet écart met en évidence l'importance de la conception de l'ensemble de données et de la cohérence des annotations dans la précision globale de la détection.

L'augmentation des données peut jouer un rôle clé dans l'amélioration de la précision#

Avec une meilleure compréhension de l'importance de la qualité du jeu de données et de la cohérence des annotations, passons en revue la façon dont un modèle de détection d'objets peut apprendre plus efficacement à partir des données existantes. Même lorsqu'il est difficile ou coûteux de collecter des images supplémentaires, il existe encore des moyens d'améliorer les performances en faisant un meilleur usage des données déjà disponibles.

L'une des approches les plus pratiques est la data augmentation. Elle joue un rôle particulièrement important dans la détection de petits objets parce que ces derniers fournissent moins d'indices visuels à partir desquels le modèle peut apprendre. En introduisant des variations contrôlées pendant l'entraînement, l'augmentation aide le modèle à mieux généraliser sans nécessiter de nouvelle collecte de données.

Une augmentation des données efficace se concentre sur le maintien d'une visibilité claire des petits objets. Des techniques comme le redimensionnement contrôlé, le recadrage léger et le pavage d'images peuvent faire ressortir davantage les petits objets tout en préservant leur forme et leur apparence. L'objectif est d'aider le modèle à voir les petits objets plus souvent et dans des conditions légèrement différentes, sans changer leur aspect dans des situations réelles.

Cependant, l'augmentation doit être appliquée avec précaution. Certaines transformations peuvent réduire la visibilité des petits objets ou changer leur apparence de manière peu probable dans des données réelles. Lorsque cela se produit, le modèle peut avoir du mal à apprendre des limites d'objets précises.

Une augmentation de données plus intelligente avec l'IA générative#

Un autre type intéressant d'augmentation de données qui devient plus populaire est l'utilisation de l'IA générative pour créer des données d'entraînement synthétiques. Au lieu de compter sur des images collectées et étiquetées manuellement, les équipes peuvent désormais générer des scènes réalistes qui simulent des environnements spécifiques, des tailles d'objets, des conditions d'éclairage et des variations d'arrière-plan.

Fig 2. Un aperçu d'images aériennes synthétiques utilisées pour l'augmentation des données (Source)

Cette approche est particulièrement utile pour la détection de petits objets, où des exemples réels peuvent être difficiles à capturer de manière cohérente. En contrôlant la façon dont les petits objets apparaissent dans les images synthétiques, comme l'ajustement de l'échelle, de la densité et du placement, il est possible d'exposer les modèles à un plus large éventail de scénarios d'entraînement.

Lorsqu'elle est combinée avec précaution à des données réelles, l'augmentation synthétique peut améliorer la robustesse du modèle, réduire les coûts de collecte de données et soutenir des améliorations de performance plus ciblées.

Les choix d'entraînement du modèle qui peuvent impacter la mAP des petits objets#

En dehors de la qualité du jeu de données et de la cohérence des annotations, les choix d'entraînement du modèle ont également un fort impact sur les performances de détection des petits objets.

Voici quelques-unes des stratégies d'entraînement clés à considérer :

• Commence par des modèles pré-entraînés : Un modèle pré-entraîné, tel que Ultralytics YOLO26, a déjà appris des motifs visuels généraux à partir de grands ensembles de données d'images. Cela offre un point de départ solide plutôt que de s'entraîner à partir de zéro, ce qui est particulièrement utile lors de la détection de petits objets avec des données limitées.
• Utilise l'apprentissage par transfert de manière stratégique : L'apprentissage par transfert signifie adapter un modèle pré-entraîné à ton jeu de données spécifique. Cela aide le modèle à se concentrer sur tes petits objets tout en réduisant le surapprentissage (mémoriser les données d'entraînement au lieu d'apprendre des motifs généraux).
• Gère le déséquilibre des classes : Si les petits objets apparaissent moins fréquemment que les plus grands, le modèle peut donner la priorité à l'apprentissage des objets plus grands. Des techniques comme la pondération des classes ou les stratégies d'échantillonnage aident à garantir que les petits objets ne sont pas ignorés.
• Ajuste les seuils de confiance et d'IoU : Les petits objets sont sensibles aux petites erreurs de localisation. Le réglage fin de ces seuils aide à mieux évaluer et interpréter les performances sur les petits objets pendant la validation et l'inférence.

Considérations sur l'architecture du modèle pour la détection de petits objets#

Bien que tu puisses utiliser un modèle de détection d'objets général pour des tâches impliquant de petits objets, il existe également des architectures de modèles conçues spécifiquement pour améliorer la détection de petits objets. Par exemple, il existe des variantes de modèles P2 du modèle Ultralytics YOLOv8 qui sont optimisées pour préserver les détails spatiaux fins.

Ultralytics YOLOv8 traite les images à plusieurs échelles en les réduisant progressivement à mesure qu'elles progressent dans le réseau. Cela aide le modèle à comprendre la scène globale, mais réduit également les détails fins.

Lorsqu'un objet est déjà très petit, des informations visuelles importantes peuvent disparaître au cours de ce processus. La variante P2 d'Ultralytics YOLOv8 résout ce problème en utilisant une foulée de 2 dans sa pyramide de caractéristiques.

Une pyramide de caractéristiques est la partie du modèle qui analyse l'image à plusieurs résolutions internes afin de pouvoir détecter des objets de différentes tailles. Avec une foulée de 2, l'image est réduite plus progressivement à ce stade, permettant de préserver davantage les détails originaux au niveau du pixel.

Parce que plus de détails spatiaux sont préservés, les petits objets conservent une structure plus visible à l'intérieur du réseau. Cela facilite la localisation et la détection par le modèle d'objets qui n'occupent que quelques pixels, ce qui peut aider à améliorer la mAP des petits objets.

Évaluation sensible à la taille pour la détection de petits objets#

Bien que la précision moyenne résume les performances globales du modèle, elle ne montre pas toujours comment un modèle gère les objets de différentes tailles. Pour les petits objets, les performances sont souvent limitées par la précision de la localisation plutôt que par la classification seule, ce qui signifie que de légers décalages de la boîte englobante peuvent affecter de manière significative les résultats.

En d'autres termes, le modèle peut correctement identifier la classe de l'objet, mais si la boîte englobante prédite est légèrement mal alignée, la détection peut toujours être considérée comme incorrecte. Parce que les petits objets couvrent un petit nombre de pixels, même un décalage mineur dans le placement de la boîte peut réduire significativement le chevauchement entre la boîte prédite et la vérité terrain. En conséquence, les scores d'évaluation peuvent chuter même lorsque l'objet a été identifié correctement.

Fig 3. Évaluer la détection de petits objets peut s'avérer délicat (Source)

Une approche plus informative consiste à évaluer les performances par taille d'objet. La plupart des benchmarks largement utilisés rapportent la précision moyenne séparément pour les objets petits, moyens et grands.

Cette ventilation spécifique à la taille offre une vision plus claire des domaines où le modèle performe bien et de ceux où il peine. En pratique, le small-object AP est souvent à la traîne par rapport à la mAP globale, mettant en lumière des défis de localisation qui peuvent ne pas être évidents dans les métriques agrégées.

Prends en compte les contraintes de déploiement et les compromis du monde réel#

Les performances du modèle changent souvent lors du passage d'environnements de test contrôlés à un déploiement réel. Des facteurs tels que la résolution de l'image, la vitesse de traitement et le matériel disponible introduisent des compromis qui affectent directement la détection de petits objets.

Par exemple, l'augmentation de la résolution d'entrée peut améliorer la mAP des petits objets car les petites cibles occupent plus de pixels et conservent plus de détails. Cependant, une résolution plus élevée augmente également l'utilisation de la mémoire et le temps de traitement. Cela peut ralentir l'inférence et augmenter les coûts opérationnels.

Fig 4. Défis de déploiement de la détection de petits objets. Image par l'auteur.

Les choix matériels jouent un rôle clé dans la gestion de ces compromis. Des GPU plus puissants permettent des modèles plus grands et un traitement plus rapide, mais les environnements de déploiement, en particulier les appareils de périphérie, ont souvent des ressources de calcul et de mémoire limitées.

Les applications en temps réel ajoutent une autre contrainte : maintenir une faible latence peut nécessiter de réduire la taille du modèle ou la résolution d'entrée, ce qui peut impacter négativement le rappel des petits objets. En fin de compte, les décisions de déploiement nécessitent d'équilibrer les performances de détection avec les limitations matérielles, les exigences de vitesse et le coût global.

Mise en commun : Améliorer la mAP du modèle sur les petits objets#

Améliorer la détection de petits objets demande une approche pratique et structurée, surtout lorsqu'on travaille dans des environnements réels. Voici un aperçu des étapes principales à garder à l'esprit :

• Audite la qualité de ton jeu de données : Assure-toi que ton jeu de données inclut suffisamment d'exemples de petits objets, utilise des images haute résolution lorsque c'est possible et reflète les conditions dans lesquelles le modèle sera déployé.
• Vérifie la cohérence des annotations : Assure-toi que les boîtes englobantes sont précises, complètes et étiquetées de manière cohérente. Des annotations incohérentes peuvent limiter directement les performances de localisation.
• Ajuste les paramètres d'entraînement délibérément : Ajuste la taille des lots, le nombre d'époques et les paramètres d'optimisation de manière réfléchie afin que les petits objets soient correctement représentés pendant l'entraînement.
• Itère étape par étape : Fais des ajustements contrôlés, mesure leur impact et affine ton approche. Une itération régulière et basée sur les données conduit à une amélioration constante au fil du temps.

Points clés#

Améliorer la mAP pour les petits objets demande une approche structurée et basée sur les données plutôt que des ajustements aléatoires. Les vraies améliorations proviennent de la combinaison de bonnes données, d'annotations cohérentes, d'un entraînement minutieux et des bonnes méthodes d'évaluation. Dans les projets réels, des tests constants et de petits changements mesurables sont ce qui conduit à une détection de petits objets meilleure et plus fiable au fil du temps.

Rejoins notre communauté en pleine croissance et explore notre répertoire GitHub pour des ressources d'IA pratiques. Pour développer avec la vision IA dès aujourd'hui, explore nos options de licence. Découvre comment l'IA dans l'agriculture transforme l'agriculture et comment la vision IA dans la robotique façonne l'avenir en visitant nos pages de solutions.