Rilevatori di oggetti a due stadi

I rilevatori di oggetti a due stadi sono una sofisticata classe di architetture di deep learning (DL) utilizzate nella visione artificiale per identificare e localizzare elementi all'interno di un'immagine. A differenza dei loro omologhi a stadio singolo, che eseguono il rilevamento in un unico passaggio, questi modelli dividono l'attività in due fasi distinte: proposta della regione e classificazione degli oggetti. Questo approccio biforcato è stato introdotto per dare priorità all'elevata precisione di localizzazione, rendendo questi rilevatori storicamente significativi nell'evoluzione dell' intelligenza artificiale (AI). Separando il "dove" dal "cosa", i rilevatori a due stadi spesso raggiungono una precisione superiore, in particolare su oggetti piccoli o occlusi, anche se questo comporta tipicamente un aumento delle risorse computazionali e una latenza di inferenza più lenta.

Il processo a due stadi

L'architettura di un rilevatore a due stadi si basa su un flusso di lavoro sequenziale che imita il modo in cui un essere umano potrebbe esaminare attentamente una scena.

1. Proposta di regione: nella prima fase, il modello esegue la scansione dell'immagine in ingresso per identificare le potenziali aree in cui potrebbero essere presenti oggetti. Un componente noto come Region Proposal Network (RPN) genera un insieme sparso di riquadri candidati , spesso denominati Regioni di interesse (RoI). Questa fase filtra la maggior parte dello sfondo, consentendo alla rete di concentrare la potenza di elaborazione sulle aree rilevanti.
2. Classificazione e perfezionamento: nella seconda fase, il modello estrae le caratteristiche da queste regioni candidate utilizzando reti neurali convoluzionali (CNN). Quindi assegna un'etichetta di classe specifica (ad esempio, "persona", "veicolo") a ciascuna regione e perfeziona le coordinate del riquadro di delimitazione per racchiudere strettamente l'oggetto.

Esempi di rilievo di questa architettura includono la famiglia R-CNN, in particolare Faster R-CNN e Mask R-CNN, che hanno definito lo standard per i benchmark accademici per diversi anni.

Confronto con i rilevatori monostadio

È utile distinguere i modelli a due stadi dai rilevatori di oggetti a stadio singolo come il Single Shot MultiBox Detector (SSD) e laYOLO Ultralytics YOLO . Mentre i modelli a due stadi danno la priorità alla precisione elaborando le regioni separatamente, i modelli a stadio singolo inquadrano il rilevamento come un unico problema di regressione, mappando i pixel dell'immagine direttamente alle coordinate del riquadro di delimitazione e alle probabilità di classe.

Storicamente, ciò ha creato un compromesso: i modelli a due stadi erano più accurati ma più lenti, mentre quelli a stadio unico erano più veloci ma meno precisi. Tuttavia, i progressi moderni hanno reso meno netta questa distinzione. I modelli all'avanguardia come YOLO26 utilizzano ora architetture end-to-end che rivaleggiano con l' accuratezza dei rilevatori a due stadi, pur mantenendo la velocità necessaria per l' inferenza in tempo reale.

Applicazioni nel mondo reale

A causa della loro enfasi sulla precisione e sul richiamo, i rilevatori a due stadi sono spesso preferiti in scenari in cui la sicurezza e i dettagli sono più critici della velocità di elaborazione grezza.

• Diagnostica medica per immagini: nel campo dell' intelligenza artificiale in ambito sanitario, una diagnosi errata può essere critica. Le architetture a due stadi sono spesso utilizzate nell' analisi delle immagini mediche per detect anomalie come tumori nelle radiografie o nelle risonanze magnetiche. Il processo in più fasi aiuta a garantire che le lesioni di piccole dimensioni non vengano trascurate su sfondi tissutali complessi, fornendo ai radiologi un'assistenza automatizzata altamente affidabile.
• Ispezione industriale ad alta precisione: nella produzione intelligente, i sistemi di ispezione visiva automatizzati utilizzano questi modelli per identificare difetti microscopici sulle linee di assemblaggio. Ad esempio, rilevare una microfrattura in una pala di turbina richiede l'elevata precisione dell'Intersection over Union (IoU) fornita dai rilevatori a due stadi, che garantiscono che solo i componenti impeccabili passino alla fase successiva della produzione.

Implementazione di sistemi di rilevamento moderni

Mentre i rilevatori a due stadi hanno gettato le basi per una visione ad alta precisione, gli sviluppatori moderni utilizzano spesso modelli avanzati a stadio singolo che offrono prestazioni comparabili con flussi di lavoro di implementazione significativamente più semplici. Ultralytics semplifica l'addestramento e l'implementazione di questi modelli, gestendo in modo efficiente i set di dati e le risorse di calcolo.

Il seguente Python mostra come caricare ed eseguire l'inferenza utilizzando un moderno flusso di lavoro di rilevamento degli oggetti con ultralytics, ottenendo risultati di elevata accuratezza simili agli approcci tradizionali in due fasi, ma con maggiore efficienza:

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