Nesne tespitinde eşleşme kuralı ve ölçüm

Teori: tespit bir atama problemidir#

Bir tespit ağı görüntü üzerinde çok sayıda aday konumda tahmin üretir; eğitimde her adayın hangi doğru kutudan sorumlu olduğuna karar vermek gerekir ve buna atama denir. Atama kuralı modelin davranışını doğrudan biçimlendirir: eşiği gevşetirseniz aynı nesne için çok sayıda pozitif üretilir ve çıktı kalabalıklaşır, sıkarsanız küçük nesneler hiç pozitif alamaz ve öğrenilemez. İkinci yapısal baskı sınıf dengesizliğidir: aday konumların ezici çoğunluğu arka plandır, düz bir sınıflandırma kaybı bu kolay negatiflerin toplamında boğulur ve zor örnekler görünmez olur. Çözümler aynı fikre dayanır, kolay negatifin katkısını bastırmak: zor negatif seçimi bunu örnek seçerek, odaklanmış kayıp ise iyi sınıflandırılmış örneğin ağırlığını düşürerek yapar.

Atama kuralının iki yaygın ailesi vardır. Çapa, kutu biçimi hakkında önceden yazılmış bir varsayımdır: şu ölçek ve en-boy oranlarında nesneler bekliyorum. Bu varsayım doğruysa regresyon işi kolaylaşır, yanlışsa model hiç göremeyeceği bir biçimi kovalar; bu yüzden çapa kümesi veri setinizin kutu istatistiğine bakılarak ayarlanır. Çapasız yaklaşımlar kutuyu bir noktadan kenarlara olan uzaklıklarla ya da bir merkez ısı haritasıyla ifade eder: ayarlanacak çapa kalmaz, ama atama mantığı (hangi nokta hangi nesneden sorumlu) yeni hiperparametreler getirir. Birebir eşleme kullanan tasarımlarda ise her nesneye tek tahmin atanır ve sonradan bastırma adımına gerek kalmaz.

Eşleşme kuralı: IoU#

def iou(a, b):
    """a, b: (x1, y1, x2, y2) kose koordinatlariyla verilmis kutular."""
    x1, y1 = max(a[0], b[0]), max(a[1], b[1])
    x2, y2 = min(a[2], b[2]), min(a[3], b[3])
    kesisim = max(0, x2 - x1) * max(0, y2 - y1)
    alan_a = (a[2] - a[0]) * (a[3] - a[1])
    alan_b = (b[2] - b[0]) * (b[3] - b[1])
    birlesim = alan_a + alan_b - kesisim
    return kesisim / birlesim if birlesim > 0 else 0.0


def eslestir(tahminler, gercekler, esik=0.5):
    """Tahminler guvene gore sirali islenir; her gercek kutu en fazla bir kez eslesir."""
    kalan = list(range(len(gercekler)))
    sonuc = []
    for kutu, guven in sorted(tahminler, key=lambda t: -t[1]):
        en_iyi, en_iyi_iou = None, esik
        for i in kalan:
            d = iou(kutu, gercekler[i])
            if d >= en_iyi_iou:
                en_iyi, en_iyi_iou = i, d
        if en_iyi is None:
            sonuc.append(("yanlis_alarm", guven, None))
        else:
            kalan.remove(en_iyi)
            sonuc.append(("dogru", guven, en_iyi_iou))
    sonuc += [("kacirma", None, None) for _ in kalan]
    return sonuc

Ortalama kesinlik ne topluyor?#

1. 1Tahminleri sırala

   Bütün görüntülerdeki tahminleri güven değerine göre büyükten küçüğe dizin; sıralama, eşiği kademe kademe gevşetmenin başka bir ifadesidir.

2. 2Eşleştir

   Her tahmini seçilen IoU eşiğinde henüz eşleşmemiş bir doğru kutuya bağlayın; bağlanamayan tahmin yanlış alarm, hiç bağlanmayan doğru kutu kaçırmadır.

3. 3Eğriyi çıkarın

   Sıralamada aşağı indikçe biriken doğru ve yanlış sayılarından kesinlik ile geri çağırmayı hesaplayıp kesinlik-geri çağırma eğrisini çizin.

4. 4Alanı alın

   Eğrinin altındaki alan o sınıf için AP değeridir; tek sayıya indirgeme burada olur ve bilgi burada kaybolur.

5. 5Ortalayın

   Sınıflar üzerinden ortalama mAP'i verir. Protokol birden çok IoU eşiği kullanıyorsa eşikler üzerinden de ortalanır; bu, konum hassasiyetini ölçüme karıştırır.

Hata tipleri#

Karar: çalışma noktası#

Ürün kararı metrikten değil maliyetten çıkar. Kaçırmanın bedeli mi yüksek, yanlış alarmın bedeli mi? Güvenlik uyarısında kaçırma pahalıdır, geri çağırma öne alınır ve operatör gürültüye katlanır. Otomatik sayım hattında yanlış alarm pahalıdır, kesinlik öne alınır. Güven eşiği bu karşılaştırmadan seçilir ve sonra sabitlenir; raporlanacak sayılar da o sabit noktadaki kesinlik ve geri çağırmadır. AP yalnızca modeller arasında kabaca sıralama yapmak için kullanılır.

Sık yapılan hata#

Kutu biçimi karışıklığı bu alanın klasik hatasıdır: köşe koordinatı (x1, y1, x2, y2), merkez-boyut (cx, cy, w, h) ve normalize edilmiş biçimler birbirine benzer ama sessizce yanlış sonuç verir. İkinci hata, artırmada görüntüyü dönüştürüp kutuları dönüştürmeyi unutmaktır; model tutarsız hedeflerle eğitilir ve konum hatası açıklanamaz görünür. Üçüncüsü, küçük nesne sorununu çözmek için girdiyi küçültmektir: hesap düşer ama nesne birkaç piksele iner ve ağ onu hiçbir katmanda göremez.