Detection Head

Algılama başlığı, nesne algılama sinir ağı mimarisindeki son karar katmanıdır. Modelin önceki katmanları bir görüntüdeki şekilleri, dokuları ve özellikleri anlamaktan sorumluyken algılama başlığı, hangi nesnelerin bulunduğunu ve nerede olduklarını tahmin etmek için bu bilgileri yorumlayan özel bileşendir. Özellik çıkarıcının ürettiği soyut, üst düzey verileri eyleme dönüştürülebilir sonuçlara çevirir; genellikle tanımlanan nesneleri çevreleyen bir dizi sınırlayıcı kutuyu, bunlara karşılık gelen sınıf etiketleri ve güven puanlarıyla birlikte çıktı olarak verir.

Başlığı Omurga ve Boyundan Ayırma#

Algılama başlığının işlevini tam olarak kavramak için modern algılayıcıları, bilgisayarlı görü (CV) işlem hattında her biri farklı bir amaca hizmet eden üç temel aşamadan oluşan yapılar olarak gözünde canlandırmak faydalıdır:

• Omurga: Bu, genellikle ResNet veya CSPNet gibi bir Evrişimli Sinir Ağı (CNN) olan ağın ilk bölümüdür. Görsel örüntüleri temsil eden özellik haritaları oluşturmak için ham girdi görüntüsünü işler.
• Boyun: Omurga ile başlığın arasında yer alan boyun, farklı ölçeklerden gelen özellikleri iyileştirip birleştirir. Özellik Piramidi Ağı (FPN) gibi mimariler, bağlamı bir araya getirerek modelin farklı boyutlardaki nesneleri algılamasını sağlar.
• Başlık: Boyundan gelen iyileştirilmiş özellikleri alan son bileşendir. Sınıflandırma (bu nedir?) ve regresyon (nerededir?) görevlerini gerçekleştirir.

Gelişim: Çapa Tabanlı ve Çapasız Yaklaşımlar#

Algılama başlıklarının tasarımı; özellikle geleneksel yöntemlerden modern gerçek zamanlı çıkarım modellerine geçişle birlikte, hızı ve doğruluğu artırmak için önemli ölçüde gelişmiştir.

• Çapa Tabanlı Başlıklar: Geleneksel tek aşamalı nesne algılayıcıları, çeşitli boyutlarda sabit referans şekilleri olan önceden tanımlanmış çapa kutularına dayanıyordu. Başlık, bu çapaları nesneye uydurmak için ne kadar esnetmesi veya kaydırması gerektiğini tahmin ederdi. Bu yaklaşım, Faster R-CNN üzerine yapılan temel araştırmalarda ayrıntılı biçimde açıklanmıştır.
• Çapasız Başlıklar: En yeni YOLO26 modelleri de dahil olmak üzere en ileri düzey modeller, çapasız algılayıcılar kullanır. Bu başlıklar, elle çapa ayarı yapma gereksinimini ortadan kaldırarak nesne merkezlerini ve boyutlarını doğrudan özellik haritalarındaki piksellerden tahmin eder. Böylece mimari basitleşir ve modelin yeni nesne şekillerine genelleme yeteneği artar. Bu teknik genellikle Tam Evrişimli Tek Aşamalı Nesne Algılama (FCOS) ile ilişkilendirilir.

Gerçek Dünya Uygulamaları#

Yapay zekânın (AI) güvenlik açısından kritik ve endüstriyel ortamlarda kullanılması için algılama başlığının hassasiyeti çok önemlidir. Ultralytics Platform ile verilerine kolayca açıklama ekleyebilir ve bu özel başlıkları eğitebilirsin.

• Otonom Sürüş: Otomotivde yapay zekâ uygulamalarında algılama başlığı, yayaları, trafik ışıklarını ve diğer araçları gerçek zamanlı olarak ayırt etmekten sorumludur. Son derece iyi optimize edilmiş bir başlık, aracın anında tepki verebilmesi için çıkarım gecikmesinin yeterince düşük kalmasını sağlar.
• Tıbbi Tanı: Tıbbi görüntü analizinde algılama başlıkları, MRI taramalarındaki tümörler gibi anormallikleri konumlandırmak için ince ayarlanır. Regresyon dalının lezyonun tam sınırlarını çizecek kadar hassas olması gerekir; böylece doktorlara sağlık çözümlerinde yardımcı olur.

Kod Örneği#

Aşağıdaki örnek, bir YOLO26 modelinin nasıl yükleneceğini ve algılama başlığının çıktısının nasıl inceleneceğini gösterir. Çıkarım çalıştığında başlık görüntüyü işler ve koordinatları ile sınıf kimliklerini içeren son boxes öğesini döndürür.

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()}")

Bu etkileşim, algılama başlığının karmaşık sinir ağı etkinliklerini geliştiricilerin nesne izleme veya sayma gibi sonraki görevlerde kullanabileceği okunabilir verilere nasıl dönüştürdüğünü gösterir.