Detection Head

Детекционная головка (detection head) действует как финальный слой принятия решений в архитектуре нейронной сети для обнаружения объектов. В то время как более ранние слои модели отвечают за распознавание форм, текстур и признаков на изображении, детекционная головка — это конкретный компонент, который интерпретирует эту информацию, чтобы точно предсказать, какие объекты присутствуют и где они находятся. Она преобразует абстрактные высокоуровневые данные, созданные экстрактором признаков, в применимые на практике результаты, обычно выдавая набор bounding boxes, охватывающих идентифицированные объекты, вместе с соответствующими метками классов и confidence scores.

Отличие головки от backbone и neck#

Чтобы полностью понять функцию детекционной головки, полезно представить современные детекторы состоящими из трех основных этапов, каждый из которых выполняет определенную задачу в конвейере computer vision (CV):

• Бэкбон (Backbone): Это начальная часть сети, часто представляющая собой Convolutional Neural Network (CNN), такую как ResNet или CSPNet. Она обрабатывает исходное входное изображение для создания feature maps, которые представляют визуальные паттерны.
• Нек (Neck): Располагаясь между бэкбоном и головой, нек уточняет и объединяет признаки с разных масштабов. Такие архитектуры, как Feature Pyramid Network (FPN), гарантируют, что модель сможет обнаруживать объекты разного размера за счет агрегации контекста.
• Head: Финальный компонент, который потребляет уточненные признаки от neck. Он выполняет основную задачу классификации (что это?) и регрессии (где это?).

Эволюция: Anchor-Based против Anchor-Free#

Дизайн детекционных головок значительно эволюционировал для повышения скорости и точности, особенно в связи с переходом от традиционных методов к современным моделям real-time inference.

• Головки на основе якорей (Anchor-Based Heads): Традиционные one-stage object detectors полагались на предопределенные anchor boxes — фиксированные эталонные формы различных размеров. Головка предсказывала, насколько нужно растянуть или сместить эти якоря, чтобы они соответствовали объекту. Этот подход подробно описан в фундаментальном исследовании по Faster R-CNN.
• Безякорные головки (Anchor-Free Heads): Современные модели, включая новейшую YOLO26, используют anchor-free detectors. Эти головки предсказывают центры и размеры объектов непосредственно по пикселям на картах признаков, что устраняет необходимость ручной настройки якорей. Это упрощает архитектуру и повышает способность модели обобщать новые формы объектов — метод, который часто ассоциируется с Fully Convolutional One-Stage Object Detection (FCOS).

Реальные приложения#

Точность детекционной головки имеет решающее значение для развертывания artificial intelligence (AI) в критически важных для безопасности и промышленных средах. Ты можешь легко размечать данные и обучать эти специализированные головки с помощью Ultralytics Platform.

• Автономное вождение: В AI for automotive детекционная головка отвечает за различение пешеходов, светофоров и других транспортных средств в реальном времени. Высокооптимизированная головка гарантирует, что inference latency остается достаточно низкой для мгновенной реакции автомобиля.
• Медицинская диагностика: В medical image analysis детекционные головки настраиваются для поиска аномалий, таких как опухоли на МРТ-сканах. Ветвь регрессии должна быть чрезвычайно точной, чтобы очертить точные границы поражения, помогая врачам в healthcare solutions.

Пример кода#

Следующий пример демонстрирует, как загрузить модель YOLO26 и изучить выходные данные ее детекционной головки. Когда запускается инференс, головка обрабатывает изображение и возвращает финальный boxes, содержащий координаты и идентификаторы классов.

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()}")

Это взаимодействие подчеркивает, как детекционная головка преобразует сложные активации нейронной сети в читаемые данные, которые разработчики могут использовать для последующих задач, таких как object tracking или подсчет.