Two-Stage Object Detectors

Les détecteurs d'objets à deux étapes constituent une classe sophistiquée d'architectures d'apprentissage profond (DL) utilisées en vision par ordinateur pour identifier et localiser des éléments dans une image. Contrairement à leurs homologues à une seule étape, qui effectuent la détection en un seul passage, ces modèles divisent la tâche en deux phases distinctes : la proposition de région et la classification d'objets. Cette approche bifurquée a été pionnière pour privilégier une haute précision de localisation, rendant ces détecteurs historiquement importants dans l'évolution de l'intelligence artificielle (IA). En séparant le « où » du « quoi », les détecteurs à deux étapes obtiennent souvent une précision supérieure, en particulier sur les objets de petite taille ou occlus, bien que cela se fasse généralement au détriment de ressources informatiques accrues et d'une latence d'inférence plus lente.

Le processus à deux étapes#

L'architecture d'un détecteur à deux étapes repose sur un flux de travail séquentiel qui imite la façon dont un humain pourrait examiner attentivement une scène.

1. Proposition de région : Dans la première étape, le modèle analyse l'image d'entrée pour identifier les zones potentielles où des objets pourraient exister. Un composant connu sous le nom de réseau de proposition de régions (RPN) génère un ensemble clairsemé de boîtes candidates, souvent appelées régions d'intérêt (RoIs). Cette étape élimine la majeure partie de l'arrière-plan, permettant au réseau de concentrer sa puissance de traitement sur les zones pertinentes.

2. Classification et raffinement : Dans la seconde étape, le modèle extrait des caractéristiques de ces régions candidates à l'aide de réseaux de neurones convolutifs (CNN). Il attribue ensuite une étiquette de classe spécifique (par exemple, « personne », « véhicule ») à chaque région et affine les coordonnées de la boîte englobante pour entourer étroitement l'objet.

Des exemples notables de cette architecture incluent la famille R-CNN, en particulier Faster R-CNN et Mask R-CNN, qui ont défini la norme pour les critères d'évaluation académiques pendant plusieurs années.

Comparaison avec les détecteurs à une étape#

Il est utile de distinguer les modèles à deux étapes des détecteurs d'objets à une étape tels que le Single Shot MultiBox Detector (SSD) et la série Ultralytics YOLO. Alors que les modèles à deux étapes privilégient la précision en traitant les régions séparément, les modèles à une étape formulent la détection comme un simple problème de régression, associant directement les pixels de l'image aux coordonnées de la boîte englobante et aux probabilités de classe.

Historiquement, cela créait un compromis : les modèles à deux étapes étaient plus précis mais plus lents, tandis que les modèles à une étape étaient plus rapides mais moins précis. Cependant, les avancées modernes ont estompé cette frontière. Des modèles de pointe tels que YOLO26 utilisent désormais des architectures de bout en bout qui rivalisent avec la précision des détecteurs à deux étapes tout en maintenant la vitesse nécessaire pour l'inférence en temps réel.

Applications concrètes#

En raison de leur accent mis sur la précision et le rappel, les détecteurs à deux étapes sont souvent préférés dans les scénarios où la sécurité et les détails priment sur la vitesse de traitement brute.

• Imagerie médicale diagnostique : Dans le domaine de l'IA dans la santé, rater un diagnostic peut s'avérer critique. Les architectures à deux étapes sont fréquemment utilisées en analyse d'images médicales pour détecter des anomalies telles que des tumeurs dans des radiographies ou des examens IRM. Le processus en plusieurs étapes aide à s'assurer que les petites lésions ne sont pas négligées au milieu d'arrière-plans tissulaires complexes, fournissant ainsi aux radiologues une assistance automatisée hautement fiable.
• Inspection industrielle de haute précision : Dans la fabrication intelligente, les systèmes d'inspection visuelle automatisés utilisent ces modèles pour identifier des défauts microscopiques sur les lignes d'assemblage. Par exemple, la détection d'une microfissure dans une pale de turbine exige la haute précision d'intersection sur union (IoU) fournie par les détecteurs à deux étapes, garantissant que seuls les composants parfaits passent à l'étape suivante de la production.

Mise en œuvre de la détection moderne#

Alors que les détecteurs à deux étapes ont jeté les bases de la vision de haute précision, les développeurs modernes utilisent souvent des modèles avancés à une étape qui offrent des performances comparables avec des flux de travail de déploiement nettement plus faciles. La plateforme Ultralytics simplifie l'entraînement et le déploiement de ces modèles, en gérant efficacement les ensembles de données et les ressources de calcul.

L'exemple Python suivant montre comment charger et exécuter une inférence à l'aide d'un flux de travail de détection d'objets moderne avec ultralytics, obtenant des résultats de haute précision similaires aux approches traditionnelles à deux étapes mais avec une plus grande efficacité :

from ultralytics import YOLO

# Load the YOLO26 model, a modern high-accuracy detector
model = YOLO("yolo26n.pt")

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

# Process results (bounding boxes, classes, and confidence scores)
for result in results:
    result.show()  # Display the detection outcomes
    print(result.boxes.conf)  # Print confidence scores