Detection Head

Una testa di rilevamento funge da livello decisionale finale in un'architettura di rete neurale per il rilevamento di oggetti . Mentre i livelli precedenti del modello sono responsabili della comprensione delle forme, delle texture e delle caratteristiche all'interno di un'immagine, la testa di rilevamento 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 dall' estrattore di caratteristiche in risultati utilizzabili, generando in genere una serie di riquadri che racchiudono gli oggetti identificati insieme alle relative etichette di classe e ai punteggi di confidenza.

Distinguere la testa dalla colonna vertebrale e dal collo

Per comprendere appieno la funzione di una testa di rilevamento, è utile visualizzare i moderni rilevatori come composti da tre stadi principali, ciascuno dei quali svolge una funzione distinta nella pipeline di visione artificiale (CV):

• Backbone: è la parte iniziale della rete, spesso una rete neurale convoluzionale (CNN) come ResNet o CSPNet. Elabora l'immagine grezza in ingresso per creare mappe di caratteristiche che rappresentano modelli visivi.
• Collo: situato tra la colonna vertebrale e la testa, il collo affina e combina caratteristiche provenienti da diverse scale. Architetture come la Feature Pyramid Network (FPN) assicurano che il modello sia in grado di detect di dimensioni variabili aggregando il contesto.
• Capo: L'ultimo componente che utilizza le caratteristiche raffinate dal collo. Esegue l'effettivo compito di classificazione (che cos'è?) e regressione (dove si trova?).

Evoluzione: basata su ancoraggi vs. senza ancoraggi

Il design delle testine di rilevamento si è evoluto in modo significativo per migliorare la velocità e la precisione, in particolare con il passaggio dai metodi tradizionali ai moderni modelli di inferenza in tempo reale.

• Teste basate su ancoraggi: i rilevatori di oggetti tradizionali a stadio singolo si basavano su riquadri di ancoraggiopredefiniti, ovvero forme di riferimento fisse di varie dimensioni. La testa prevedeva di quanto allungare o spostare questi ancoraggi per adattarli all'oggetto. Questo approccio è descritto in dettaglio nella ricerca fondamentale su Faster R-CNN.
• Teste senza ancoraggio: i modelli all'avanguardia, compreso l'ultimo YOLO26, utilizzano rilevatori senza ancoraggio. Queste teste prevedono i centri e le dimensioni degli oggetti direttamente dai pixel nelle mappe delle caratteristiche, eliminando la necessità di una regolazione manuale dell'ancoraggio . Ciò semplifica l'architettura e migliora la capacità del modello di generalizzare forme di oggetti nuovi, una tecnica spesso associata al Fully Convolutional One-Stage Object Detection (FCOS).

Applicazioni nel mondo reale

La precisione della testa di rilevamento è fondamentale per l'implementazione dell' intelligenza artificiale (AI) in ambienti industriali e critici per la sicurezza. Gli utenti possono facilmente annotare i dati e addestrare queste teste specializzate utilizzando la Ultralytics .

• Guida autonoma: nell' intelligenza artificiale per il settore automobilistico, la testa di rilevamento ha il compito di distinguere in tempo reale tra pedoni, semafori e altri veicoli. Una testa altamente ottimizzata garantisce che la latenza di inferenza rimanga sufficientemente bassa da consentire al veicolo di reagire istantaneamente.
• Diagnostica medica: nell' analisi delle immagini mediche, le testine di rilevamento sono 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 soluzioni sanitarie.

Esempio di codice

L'esempio seguente mostra come caricare un YOLO26 modello e ispeziona l'output della sua testa di rilevamento. Quando viene eseguita l'inferenza, la testa elabora l'immagine e restituisce il risultato finale. boxes 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 testa di rilevamento traduca le complesse attivazioni della rete neurale in dati leggibili che gli sviluppatori possono utilizzare per attività a valle come il tracciamento o il conteggio degli oggetti.