Bounding Box

Une boîte englobante est une région rectangulaire définie par un ensemble de coordonnées qui englobe un objet spécifique dans une image ou une trame vidéo. Dans le domaine de la vision par ordinateur (CV), ces boîtes constituent les annotations fondamentales qui permettent d’apprendre aux systèmes d’intelligence artificielle (AI) à localiser et à reconnaître des éléments distincts. Plutôt que de simplement classer une image entière comme « contenant une voiture », une boîte englobante permet à un modèle de déterminer précisément l’emplacement et l’étendue spatiale de la voiture, en la distinguant de l’arrière-plan et des autres entités. Cette capacité de localisation est essentielle pour les tâches de détection d’objets, dont l’objectif est d’identifier simultanément plusieurs objets avec une grande précision.

Concepts fondamentaux et coordonnées#

Pour traiter efficacement les données visuelles, les modèles d’apprentissage automatique (ML) s’appuient sur des systèmes de coordonnées spécifiques afin de représenter mathématiquement les boîtes englobantes. Le format choisi détermine souvent la manière dont les données sont préparées pour l’entraînement du modèle et la façon dont le modèle produit ses prédictions.

• Coordonnées XYXY : ce format définit une boîte à l’aide des valeurs absolues en pixels du coin supérieur gauche et du coin inférieur droit. Il est intuitif pour les outils de visualisation comme OpenCV ou Matplotlib lorsqu’il s’agit de dessiner directement des rectangles sur des images.
• Format XYWH : courant dans des jeux de données comme COCO, cette méthode indique le point central de l’objet, suivi de la largeur et de la hauteur de la boîte. Cette représentation est essentielle pour calculer les fonctions de perte pendant le processus d’apprentissage.
• Coordonnées normalisées : pour garantir la passage à l’échelle entre des images de résolutions différentes, les coordonnées sont souvent mises à l’échelle dans une plage comprise entre 0 et 1. Cela aide les modèles à mieux se généraliser lorsqu’ils analysent des entrées de dimensions variables.

Applications concrètes#

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

• Véhicules autonomes : les voitures autonomes utilisent des boîtes englobantes pour détecter et suivre les piétons, les autres véhicules, les panneaux de signalisation et les obstacles en temps réel. Cette perception spatiale est essentielle pour que les systèmes de navigation et de sécurité prennent des décisions en une fraction de seconde.
• Analyse du commerce de détail : dans les magasins intelligents, les boîtes englobantes aident à surveiller les stocks dans les rayons et à suivre les interactions des clients avec les produits. Ces données peuvent automatiser le réapprovisionnement et fournir des informations sur le comportement des acheteurs sans comptage manuel.

Les boîtes englobantes en action#

Lorsqu’on utilise des architectures modernes comme YOLO26, le modèle prédit des boîtes englobantes ainsi qu’une étiquette de classe et un score de confiance. L’exemple suivant montre comment effectuer une inférence sur une image et accéder aux coordonnées de la boîte englobante à l’aide du package 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 distinctions#

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

• Segmentation d’instances : contrairement à une boîte englobante rectangulaire, la segmentation crée un masque au pixel près qui suit le contour exact d’un objet. Elle est utile lorsque la forme précise est plus importante que l’emplacement général.
• Boîte englobante orientée (OBB) : les boîtes englobantes standard sont alignées sur les axes (rectangles droits). Les OBB peuvent pivoter pour s’adapter aux objets inclinés, comme les navires dans des images satellites ou les colis sur un tapis roulant, offrant un ajustement plus précis et réduisant le bruit de l’arrière-plan.
• Points clés : au lieu d’englober un objet, les points clés identifient des repères spécifiques, comme les articulations du corps humain pour l’estimation de pose.

Outils d’annotation et de gestion#

La création d’annotations de boîtes englobantes de haute qualité est une étape essentielle du pipeline de ML. L’Ultralytics Platform simplifie ce processus en proposant des outils d’annotation des données et de gestion des jeux de données. Une annotation correcte garantit que les modèles apprennent à distinguer les objets avec précision, en limitant les erreurs telles que le surapprentissage ou la confusion avec l’arrière-plan. Des techniques avancées comme la suppression des non-maxima (NMS) sont utilisées pendant l’inférence pour affiner ces prédictions en supprimant les boîtes qui se chevauchent, afin de ne conserver que la détection la plus précise pour chaque objet.