Bounding Box

Une boîte englobante (bounding box) est une région rectangulaire définie par un ensemble de coordonnées qui délimite un objet spécifique dans une image ou une trame vidéo. Dans le domaine de la computer vision (CV), ces boîtes servent d'annotations fondamentales pour enseigner aux systèmes d'artificial intelligence (AI) comment localiser et reconnaître des éléments distincts. Plutôt que de simplement classifier une image entière comme « contenant une voiture », une boîte englobante permet à un modèle de cibler l'emplacement exact et l'étendue spatiale de la voiture, en la séparant de l'arrière-plan et d'autres entités. Cette capacité de localisation est essentielle pour les tâches d'object detection, où l'objectif est d'identifier plusieurs objets simultanément avec une grande précision.

Concepts fondamentaux et coordonnées#

Pour traiter efficacement les données visuelles, les modèles de machine learning (ML) s'appuient sur des systèmes de coordonnées spécifiques pour représenter mathématiquement les boîtes englobantes. Le format choisi dicte souvent la manière dont les données sont préparées pour l'model training et dont le modèle génère ses prédictions.

• XYXY Coordinates : Ce format définit une boîte en utilisant les valeurs de pixels absolues du coin supérieur gauche et du coin inférieur droit. Il est intuitif pour les outils de visualisation comme OpenCV ou Matplotlib lors du dessin de rectangles directement sur les images.
• XYWH Format : Courante dans des jeux de données comme COCO, cette méthode spécifie le point central de l'objet suivi de la largeur et de la hauteur de la boîte. Cette représentation est cruciale pour calculer les loss functions pendant le processus d'apprentissage.
• Normalized Coordinates : Pour garantir la scalability sur des images de différentes résolutions, les coordonnées sont souvent mises à l'échelle dans une plage comprise entre 0 et 1. Cela aide les modèles à mieux généraliser lors de l'analyse d'entrées de dimensions variables.

Applications concrètes#

Les boîtes englobantes sont les éléments constitutifs d'innombrables solutions d'IA dans des secteurs variés. En permettant une localisation précise, elles permettent aux systèmes d'interagir intelligemment avec le monde physique.

• Autonomous Vehicles : Les voitures autonomes utilisent des boîtes englobantes pour détecter et suivre en temps réel les piétons, les autres véhicules, les panneaux de signalisation et les obstacles. Cette conscience spatiale est cruciale pour les systèmes de navigation et de sécurité afin de prendre des décisions en une fraction de seconde.
• Retail Analytics : Dans les magasins intelligents, les boîtes englobantes aident à surveiller les stocks sur les étagères et à suivre les interactions des clients avec les produits. Ces données permettent d'automatiser le réapprovisionnement des stocks et de fournir des informations sur le comportement des acheteurs sans comptage manuel.

Les boîtes englobantes en action#

Lors de l'utilisation d'architectures modernes telles que YOLO26, le modèle prédit des boîtes englobantes ainsi qu'une étiquette de classe et un confidence score. L'exemple suivant montre comment exécuter une inférence sur une image et accéder aux coordonnées de la boîte englobante à l'aide du paquet ultralytics.

from ultralytics import YOLO

# Load the YOLO26 model
model = YOLO("yolo26n.pt")

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

# Access bounding box coordinates (xyxy format) for the first detected object
boxes = results[0].boxes
print(boxes.xyxy[0])  # Output: tensor([x1, y1, x2, y2, ...])

Termes associés et différenciation#

Bien que les boîtes englobantes soient standard pour la détection générale, elles se distinguent d'autres types d'annotations utilisés dans des tâches plus granulaires.

• Instance Segmentation : Contrairement à une boîte englobante rectangulaire, la segmentation crée un masque parfait au pixel près qui trace le contour exact d'un objet. C'est utile lorsque la forme précise est plus importante que l'emplacement général.
• Oriented Bounding Box (OBB) : Les boîtes englobantes standard sont alignées sur les axes (rectangles verticaux). Les OBB peuvent pivoter pour s'adapter aux objets inclinés, tels que les navires dans l'imagerie satellitaire ou les colis sur un tapis roulant, offrant un ajustement plus serré et réduisant le bruit de fond.
• Keypoints : Au lieu d'enclore un objet, les points clés identifient des repères spécifiques, tels que les articulations sur un corps humain pour l'pose estimation.

Outils pour l'annotation et la gestion#

La création d'annotations de boîtes englobantes de haute qualité est une étape critique dans le pipeline du ML. La Ultralytics Platform simplifie ce processus en offrant des outils pour l'data annotation et la gestion des jeux de données. Une annotation correcte garantit que les modèles apprennent à distinguer les objets avec précision, minimisant les erreurs telles que l'overfitting ou la confusion avec l'arrière-plan. Des techniques avancées comme le Non-Maximum Suppression (NMS) sont utilisées lors de l'inférence pour affiner ces prédictions en supprimant les boîtes qui se chevauchent, garantissant ainsi que seule la détection la plus précise subsiste pour chaque objet.