Detection Head

Une tête de détection (detection head) agit comme la couche de prise de décision finale dans une architecture de réseau de neurones de détection d'objets. Alors que les couches précédentes du modèle sont chargées de comprendre les formes, les textures et les caractéristiques d'une image, la tête de détection est le composant spécifique qui interprète ces informations pour prédire exactement quels objets sont présents et où ils se trouvent. Elle transforme les données abstraites de haut niveau produites par l'extracteur de caractéristiques en résultats exploitables, produisant généralement un ensemble de boîtes englobantes (bounding boxes) entourant les objets identifiés ainsi que leurs étiquettes de classe correspondantes et leurs scores de confiance (confidence scores).

Distinguer la tête du Backbone et du Neck#

Pour saisir pleinement la fonction d'une tête de détection, il est utile de se représenter les détecteurs modernes comme étant composés de trois étapes principales, chacune ayant un rôle distinct dans le pipeline de vision par ordinateur (CV) :

• Backbone : C'est la partie initiale du réseau, souvent un réseau de neurones convolutifs (CNN) comme ResNet ou CSPNet. Il traite l'image d'entrée brute pour créer des cartes de caractéristiques (feature maps) qui représentent des motifs visuels.
• Neck : Situé entre le backbone et la tête, le neck affine et combine les caractéristiques de différentes échelles. Des architectures comme le Feature Pyramid Network (FPN) garantissent que le modèle peut détecter des objets de tailles variées en agrégeant le contexte.
• Head : Le composant final qui consomme les caractéristiques affinées par le neck. Il effectue la tâche réelle de classification (qu'est-ce que c'est ?) et de régression (où est-ce ?).

Évolution : Basé sur les ancres vs Sans ancres#

La conception des têtes de détection a considérablement évolué pour améliorer la vitesse et la précision, en particulier avec la transition des méthodes traditionnelles vers les modèles modernes d'inférence en temps réel.

• Têtes basées sur des ancres (Anchor-Based Heads) : Les détecteurs d'objets à un étage traditionnels s'appuyaient sur des boîtes d'ancrage prédéfinies — des formes de référence fixes de différentes tailles. La tête prédisait de combien étirer ou déplacer ces ancres pour s'adapter à l'objet. Cette approche est détaillée dans la recherche fondamentale sur Faster R-CNN.
• Têtes sans ancres (Anchor-Free Heads) : Les modèles de pointe, y compris le dernier YOLO26, utilisent des détecteurs sans ancres. Ces têtes prédisent les centres et les dimensions des objets directement à partir des pixels des cartes de caractéristiques, éliminant ainsi le besoin de réglage manuel des ancres. Cela simplifie l'architecture et améliore la capacité du modèle à se généraliser à de nouvelles formes d'objets, une technique souvent associée à la détection d'objets à un étage entièrement convolutive (FCOS).

Applications concrètes#

La précision de la tête de détection est essentielle pour déployer l'intelligence artificielle (IA) dans des environnements critiques et industriels. Tu peux facilement annoter des données et entraîner ces têtes spécialisées à l'aide de la plateforme Ultralytics Platform.

• Conduite autonome : Dans l'IA pour l'automobile, la tête de détection est responsable de distinguer les piétons, les feux de circulation et les autres véhicules en temps réel. Une tête hautement optimisée garantit que la latence d'inférence reste suffisamment faible pour que le véhicule réagisse instantanément.
• Diagnostics médicaux : Dans l'analyse d'images médicales, les têtes de détection sont ajustées pour localiser des anomalies telles que des tumeurs dans des examens IRM. La branche de régression doit être extrêmement précise pour délimiter les contours exacts d'une lésion, aidant ainsi les médecins dans les solutions de santé.

Exemple de code#

L'exemple suivant montre comment charger un modèle YOLO26 et inspecter la sortie de sa tête de détection. Lorsque l'inférence s'exécute, la tête traite l'image et renvoie le boxes final contenant les coordonnées et les identifiants de classe.

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()}")

Cette interaction met en évidence la manière dont la tête de détection traduit les activations complexes de réseaux de neurones en données lisibles que tu peux utiliser pour des tâches en aval telles que le suivi d'objets ou le comptage.