Detectores de objectos de duas fases

Os detectores de objectos em duas fases são uma classe de modelos de visão por computador que identificam e localizam objectos numa imagem ou vídeo através de um processo sequencial em duas fases. Esta metodologia é conhecida pela sua elevada precisão, particularmente na localização precisa de objectos, embora tenha frequentemente o custo de uma maior latência de inferência. A ideia fundamental é identificar primeiro potenciais áreas de interesse e, em seguida, efetuar uma classificação e localização detalhadas apenas nessas regiões promissoras.

O processo em duas fases

O funcionamento de um detetor de duas fases é dividido em fases distintas e sequenciais:

1. Geração de propostas de regiões: Na primeira fase, o modelo analisa a imagem para gerar um conjunto de regiões candidatas, conhecidas como "regiões de interesse" (RoIs) ou propostas, que provavelmente conterão um objeto. Isto é normalmente realizado por um submódulo chamado Rede de Propostas de Regiões (RPN), tal como foi introduzido na arquitetura Faster R-CNN. O objetivo desta fase não é classificar os objectos, mas simplesmente reduzir o número de localizações que a segunda fase tem de analisar.

2. Classificação de objectos e refinamento da caixa delimitadora: Na segunda fase, cada região proposta é passada para uma cabeça de classificação e uma cabeça de regressão. A cabeça de classificação determina a classe do objeto dentro da RoI (por exemplo, "pessoa", "carro", "cão") ou designa-o como fundo. Simultaneamente, a cabeça de regressão refina as coordenadas da caixa delimitadora para ajustar o objeto com maior precisão. Esta análise focalizada de regiões pré-selecionadas permite ao modelo alcançar uma elevada precisão de localização.

Detectores de duas fases vs. detectores de uma fase

A principal distinção reside no seu pipeline operacional. Os detectores de duas fases separam as tarefas de localização e classificação, enquanto os detectores de objectos de uma fase executam ambas as tarefas simultaneamente numa única passagem.

• Detectores de duas fases (por exemplo, família R-CNN): Dar prioridade à precisão. O processo em duas fases permite uma extração e um refinamento mais detalhados das caraterísticas de cada potencial objeto, o que conduz a um melhor desempenho em cenas complexas com muitos objectos pequenos ou sobrepostos. No entanto, a sua complexidade torna-os computacionalmente intensivos e mais lentos.
• Detectores de uma fase (por exemplo, Ultralytics YOLO, SSD): Priorizam a velocidade e a eficiência. Ao tratar a deteção de objectos como um único problema de regressão, atingem velocidades de inferência em tempo real adequadas para aplicações em dispositivos de IA de ponta. Embora os modelos modernos de uma fase, como o YOLO11, tenham reduzido significativamente a diferença de precisão, os detectores de duas fases podem ainda ser preferidos para tarefas que exijam a maior precisão possível.

Arquitecturas proeminentes

A evolução dos detectores de duas fases foi marcada por vários modelos influentes:

• R-CNN (Rede Neural Convolucional Baseada em Região): O modelo pioneiro que propôs pela primeira vez a utilização de propostas de regiões com uma rede neural convolucional (CNN). Utilizou um algoritmo externo chamado Selective Search para gerar propostas.
• R-CNN rápida: Uma melhoria que processou toda a imagem através de uma CNN uma vez, partilhando a computação e acelerando significativamente o processo.
• R-CNN mais rápida: Introduziu a Rede de Proposta de Região (RPN), integrando o mecanismo de proposta de região na própria rede neural para uma solução de aprendizagem profunda de ponta a ponta.
• Máscara R-CNN: Amplia o Faster R-CNN adicionando um terceiro ramo que produz uma máscara ao nível do pixel para cada objeto, permitindo a segmentação de instâncias.

Aplicações no mundo real

A elevada precisão dos detectores de duas fases torna-os valiosos em cenários onde a precisão é fundamental:

• Análise de imagens médicas: A deteção de anomalias subtis, como pequenos tumores, lesões ou pólipos em exames médicos (TAC, MRI), requer uma elevada precisão para ajudar no diagnóstico. A localização precisa é fundamental para o planeamento do tratamento. Veja mais sobre IA nos cuidados de saúde e investigação em revistas como Radiology: Artificial Intelligence. Pode explorar conjuntos de dados como o Brain Tumor dataset para tarefas relacionadas.
• Condução autónoma: Detetar e localizar com precisão peões, ciclistas, outros veículos e sinais de trânsito, especialmente os pequenos ou parcialmente ocultos, é crucial para os sistemas de segurança dos automóveis autónomos. Empresas como a Waymo dependem fortemente de sistemas de perceção robustos.
• Compreensão pormenorizada da cena: As aplicações que requerem uma compreensão detalhada das interações dos objectos ou uma contagem precisa beneficiam de uma maior precisão.
• Controlo de qualidade no fabrico: Identificar pequenos defeitos ou verificar a colocação de componentes em montagens complexas exige frequentemente uma elevada precisão. Saiba mais sobre a IA no fabrico.

O treino destes modelos envolve normalmente grandes conjuntos de dados rotulados, como o conjunto de dados COCO, e uma afinação cuidadosa. O Ultralytics fornece recursos para treinamento de modelos e compreensão das métricas de desempenho. Embora o Ultralytics se concentre em modelos eficientes de uma fase, como o Ultralytics YOLO, a compreensão dos detectores de duas fases fornece um contexto valioso no campo mais vasto da deteção de objectos.