Rilevatori di oggetti a due stadi

I rilevatori di oggetti a due stadi sono una classe di modelli di computer vision che identificano e localizzano oggetti in un'immagine o in un video attraverso un processo sequenziale in due fasi. Questa metodologia è nota per la sua elevata precisione, in particolare nella localizzazione precisa degli oggetti, anche se spesso a costo di una maggiore latenza di inferenza. L'idea fondamentale è quella di identificare prima le potenziali aree di interesse e poi eseguire una classificazione e localizzazione dettagliata solo su quelle regioni promettenti.

Il processo a due stadi

Il funzionamento di un detector a due stadi è suddiviso in fasi distinte e sequenziali:

1. Generazione di proposte di regione: Nella prima fase, il modello esegue la scansione dell'immagine per generare un insieme di regioni candidate, note come "regioni di interesse" (RoI) o proposte, che probabilmente contengono un oggetto. Questo viene in genere realizzato da un sottomodulo chiamato Region Proposal Network (RPN), come introdotto notoriamente nell'architettura Faster R-CNN. L'obiettivo di questa fase non è classificare gli oggetti, ma semplicemente ridurre il numero di posizioni che la seconda fase deve analizzare.

2. Classificazione degli oggetti e perfezionamento del riquadro di delimitazione: Nella seconda fase, ogni regione proposta viene passata a un head di classificazione e a un head di regressione. L'head di classificazione determina la classe dell'oggetto all'interno della RoI (ad esempio, "persona", "auto", "cane") o la designa come sfondo. Contemporaneamente, l'head di regressione perfeziona le coordinate del riquadro di delimitazione per adattarsi all'oggetto in modo più accurato. Questa analisi mirata delle regioni preselezionate consente al modello di ottenere un'elevata precisione di localizzazione.

Rilevatori a due stadi vs. a uno stadio

La distinzione principale risiede nella loro pipeline operativa. I rilevatori a due stadi separano i compiti di localizzazione e classificazione, mentre i rilevatori di oggetti a singolo stadio eseguono entrambi i compiti simultaneamente in un unico passaggio.

• Rilevatori a due stadi (ad esempio, famiglia R-CNN): Danno priorità all'accuratezza. Il processo in due fasi consente un'estrazione e un perfezionamento delle caratteristiche più dettagliati per ogni potenziale oggetto, il che porta a prestazioni migliori su scene complesse con molti oggetti piccoli o sovrapposti. La loro complessità, tuttavia, li rende computazionalmente intensivi e più lenti.
• Rilevatori a singola fase (ad esempio, Ultralytics YOLO, SSD): Danno priorità alla velocità e all'efficienza. Trattando l'object detection come un singolo problema di regressione, raggiungono velocità di inferenza in tempo reale adatte per applicazioni su dispositivi edge AI. Mentre i moderni modelli a singola fase come YOLO11 hanno significativamente colmato il divario di accuratezza, i rilevatori a due fasi possono ancora essere preferiti per le attività che richiedono la massima precisione possibile.

Architetture principali

L'evoluzione dei rilevatori a due stadi è stata segnata da diversi modelli influenti:

• R-CNN (Region-based Convolutional Neural Network): Il modello pionieristico che per primo ha proposto di utilizzare le region proposal con una rete neurale convoluzionale (CNN). Utilizzava un algoritmo esterno chiamato Selective Search per generare le proposal.
• Fast R-CNN: Un miglioramento che elaborava l'intera immagine attraverso una CNN una sola volta, condividendo il calcolo e velocizzando notevolmente il processo.
• Faster R-CNN: Ha introdotto la Region Proposal Network (RPN), integrando il meccanismo di proposta di regione nella rete neurale stessa per una soluzione di deep learning end-to-end.
• Mask R-CNN: Estende Faster R-CNN aggiungendo un terzo ramo che restituisce una maschera a livello di pixel per ciascun oggetto, consentendo la segmentazione delle istanze.

Applicazioni nel mondo reale

L'elevata accuratezza dei rilevatori a due stadi li rende preziosi in scenari in cui la precisione è fondamentale:

• Analisi di immagini mediche: Il rilevamento di anomalie sottili come piccoli tumori, lesioni o polipi nelle scansioni mediche (TC, MRI) richiede un'elevata precisione per aiutare la diagnosi. La localizzazione precisa è fondamentale per la pianificazione del trattamento. Scopri di più sull'AI nel settore sanitario e sulla ricerca in riviste come Radiology: Artificial Intelligence. Puoi esplorare set di dati come il set di dati sui tumori cerebrali per attività correlate.
• Guida autonoma: Rilevare e localizzare accuratamente pedoni, ciclisti, altri veicoli e segnali stradali, specialmente quelli piccoli o parzialmente nascosti, è fondamentale per i sistemi di sicurezza delle auto a guida autonoma. Aziende come Waymo fanno molto affidamento su sistemi di percezione robusti.
• Comprensione dettagliata della scena: Le applicazioni che richiedono una comprensione precisa delle interazioni tra oggetti o un conteggio preciso traggono vantaggio da una maggiore accuratezza.
• Controllo qualità nella produzione: L'identificazione di piccoli difetti o la verifica del posizionamento dei componenti in assemblaggi complessi spesso richiede un'elevata precisione. Scopri di più sull'IA nella produzione.

L'addestramento di questi modelli in genere comporta l'utilizzo di ampi dataset etichettati, come il dataset COCO, e un'attenta messa a punto. Ultralytics fornisce risorse per l'addestramento del modello e la comprensione delle metriche di performance. Sebbene Ultralytics si concentri su modelli one-stage efficienti come Ultralytics YOLO, la comprensione dei detector two-stage fornisce un contesto prezioso all'interno del più ampio campo dell'object detection.