Bounding Box

Un riquadro di delimitazione è il rettangolo più piccolo, allineato agli assi, che racchiude un oggetto in un'immagine o in un fotogramma video ed è descritto da quattro numeri. È l'unità di output nel rilevamento degli oggetti: un rilevatore restituisce un riquadro per oggetto insieme a un'etichetta di classe e a un punteggio di confidenza, e gli annotatori disegnano gli stessi riquadri sui dati di addestramento per insegnare al modello. Un riquadro individua un oggetto e ne indica le dimensioni approssimative senza tracciarne la forma, il che rende i riquadri rapidi da annotare e poco costosi da predire.

Formati delle coordinate#

Le coordinate di un'immagine partono dall'angolo superiore sinistro: x cresce verso destra e y verso il basso. Ogni formato del riquadro memorizza quattro numeri, ma dataset e librerie non concordano su quali siano; confonderli sposta o deforma silenziosamente tutti i riquadri.

• Angoli (xyxy): l'angolo superiore sinistro (x1, y1) e quello inferiore destro (x2, y2), in pixel. Le annotazioni PASCAL VOC e la maggior parte delle funzioni di disegno e IoU usano questo formato.
• Formato COCO: l'angolo superiore sinistro seguito da larghezza e altezza, [x, y, larghezza, altezza], in pixel.
• Formato YOLO: il centro del riquadro seguito dalla larghezza e dall'altezza, ciascuna divisa per la larghezza o l'altezza dell'immagine, così che ogni valore sia compreso tra 0 e 1. I modelli Ultralytics YOLO, come YOLO26, si addestrano usando un file di testo per ogni immagine, con una riga per oggetto: l'indice della classe, seguito da x_center, y_center, width e height.

Le coordinate normalizzate restano valide quando si ridimensiona l'immagine: l'immagine può essere adattata a qualsiasi risoluzione di addestramento senza riscrivere le etichette, perché i riquadri sono memorizzati come frazioni delle dimensioni dell'immagine.

from ultralytics import YOLO

# Carica un rilevatore nano YOLO26 pretrained
model = YOLO("yolo26n.pt")

# Rileva gli oggetti e recupera i riquadri dalla prima immagine
results = model("https://ultralytics.com/images/bus.jpg")
boxes = results[0].boxes

# Lo stesso primo riquadro in quattro formati
print(boxes.xyxy[0])  # angoli in pixel
print(boxes.xywh[0])  # centro, larghezza, altezza in pixel
print(boxes.xyxyn[0])  # angoli divisi per larghezza e altezza dell'immagine
print(boxes.xywhn[0])  # centro e dimensioni divisi per le dimensioni dell'immagine, come nelle etichette YOLO

Tutte e quattro le righe descrivono un unico rettangolo. I formati normalizzati dividono i valori in pixel per le dimensioni dell'immagine, 810 × 1080, mentre xywh si misura dal centro del riquadro, quindi differisce dal formato xywh di COCO, che parte dall'angolo superiore sinistro.

Come i rilevatori prevedono i riquadri#

Un rilevatore prevede i riquadri come output di regressione in molte posizioni dell'immagine. Le architetture precedenti prevedevano offset rispetto a riquadri di ancoraggio predefiniti, con dimensioni e proporzioni fisse, mentre i rilevatori anchor-free prevedono direttamente le distanze tra un punto della griglia e i quattro bordi del riquadro. Durante l'addestramento, i riquadri previsti e quelli annotati vengono confrontati con loss basate sull'intersezione sull'unione (IoU); poiché posizioni vicine prevedono riquadri sovrapposti per lo stesso oggetto, la soppressione dei non massimi (NMS) elimina i duplicati durante l'inferenza.

Annotazione dei riquadri delimitatori#

Un rilevatore impara a disegnare i riquadri seguendo le annotazioni, quindi le linee guida per l'annotazione dei dati ne determinano la qualità. Le buone linee guida richiedono riquadri che tocchino i bordi visibili di ogni oggetto, l'annotazione di ogni istanza di ogni classe, perché un oggetto non annotato insegna al modello che è sfondo, e una regola fissa per gli oggetti occlusi e troncati, ad esempio delimitare solo la parte visibile. Anche la valutazione segue le stesse regole, perché una previsione è valutata in base alla sua IoU rispetto al riquadro annotato.

Riquadri delimitatori e altri tipi di regioni#

• Riquadri delimitatori orientati (OBB): un quinto valore, l'angolo di rotazione, consente al riquadro di ruotare per adattarsi a oggetti inclinati, come navi o veicoli nelle immagini aeree, lasciando molto meno sfondo al suo interno.
• Segmentazione di istanze: una maschera a livello di pixel che delinea la forma esatta di ogni oggetto.
• Punti chiave: singoli punti di riferimento, come le articolazioni del corpo usate per la stima della posa.
• Riquadri delimitatori 3D: parallelepipedi nello spazio reale, solitamente descritti da sette numeri: il centro (x, y, z), lunghezza, larghezza e altezza in metri e un angolo di orientamento.