Detection Head

Una detection head funge da livello decisionale finale in un'architettura di rete neurale di object detection. Mentre i primi livelli del modello sono responsabili della comprensione di forme, texture e caratteristiche all'interno di un'immagine, la detection head è il componente specifico che interpreta queste informazioni per prevedere esattamente quali oggetti sono presenti e dove si trovano. Trasforma i dati astratti e di alto livello prodotti dal feature extractor in risultati utilizzabili, emettendo in genere un insieme di bounding boxes che racchiudono gli oggetti identificati insieme alle relative etichette di classe e confidence scores.

Distinguere la Head dal Backbone e dal Neck#

Per comprendere appieno la funzione di una detection head, è utile visualizzare i moderni detector come composti da tre fasi principali, ciascuna con uno scopo distinto nella pipeline di computer vision (CV):

• Backbone: Questa è la parte iniziale della rete, spesso una Convolutional Neural Network (CNN) come ResNet o CSPNet. Elabora l'immagine di input grezza per creare feature maps che rappresentano i pattern visivi.
• Neck: Posizionato tra la backbone e la head, il neck perfeziona e combina le caratteristiche di diverse scale. Architetture come la Feature Pyramid Network (FPN) assicurano che il modello possa rilevare oggetti di varie dimensioni aggregando il contesto.
• Head: La componente finale che consuma le caratteristiche affinate dal neck. Esegue il compito effettivo di classificazione (cos'è?) e regressione (dov'è?).

Evoluzione: Anchor-Based vs. Anchor-Free#

Il design delle detection heads si è evoluto in modo significativo per migliorare velocità e accuratezza, in particolare con la transizione dai metodi tradizionali ai moderni modelli di real-time inference.

• Anchor-Based Heads: I tradizionali one-stage object detectors si affidavano a anchor boxes predefinite, ovvero forme di riferimento fisse di varie dimensioni. La head prevedeva quanto allungare o spostare questi anchor per adattarli all'oggetto. Questo approccio è descritto in dettaglio nella ricerca fondamentale su Faster R-CNN.
• Anchor-Free Heads: I modelli all'avanguardia, tra cui il più recente YOLO26, utilizzano anchor-free detectors. Queste head prevedono i centri e le dimensioni degli oggetti direttamente dai pixel nelle feature maps, eliminando la necessità di una sintonizzazione manuale degli anchor. Ciò semplifica l'architettura e migliora la capacità del modello di generalizzare a nuove forme di oggetti, una tecnica spesso associata a Fully Convolutional One-Stage Object Detection (FCOS).

Applicazioni nel mondo reale#

La precisione della detection head è fondamentale per l'implementazione dell'artificial intelligence (AI) in ambienti critici per la sicurezza e industriali. Gli utenti possono facilmente annotare i dati e addestrare queste head specializzate utilizzando la Ultralytics Platform.

• Guida autonoma: Nell'AI for automotive, la detection head è responsabile di distinguere tra pedoni, semafori e altri veicoli in tempo reale. Una head altamente ottimizzata garantisce che l'inference latency rimanga sufficientemente bassa affinché il veicolo possa reagire istantaneamente.
• Diagnostica medica: Nell'medical image analysis, le detection heads vengono ottimizzate per individuare anomalie come i tumori nelle scansioni MRI. Il ramo di regressione deve essere estremamente accurato per delineare i confini esatti di una lesione, assistendo i medici nelle healthcare solutions.

Esempio di codice#

Il seguente esempio mostra come caricare un modello YOLO26 e ispezionare l'output della sua detection head. Quando viene eseguita l'inferenza, la head elabora l'immagine e restituisce il boxes finale contenente coordinate e ID di 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()}")

Questa interazione evidenzia come la detection head traduca complesse attivazioni di reti neurali in dati leggibili che gli sviluppatori possono utilizzare per attività successive come l'object tracking o il conteggio.