Görüntüden Nesne ve Sınır Tanıma

Nesne algılama, görüntüde hangi nesnelerin bulunduğunu ve konumlarını birlikte belirler. Çıktı uygulamaya göre sınırlayıcı kutu, kontur veya maske biçiminde olabilir.

Algılayıcı aileleri

İki aşamalı algılayıcılar önce aday bölgeler üretir, ardından sınıflandırma ve konum düzeltmesi yapar. YOLO gibi tek aşamalı yöntemler sınıf ve konumu aynı geçişte tahmin eder ve düşük gecikmeli uygulamalarda yaygın olarak kullanılır.

Küçük nesneler, yoğun sahneler ve büyük giriş çözünürlüğü hesaplama ile doğruluk arasındaki dengeyi değiştirir.

Örtüşme ve son işlem

IoU tahmin kutusu ile referans kutunun örtüşmesini ölçer. Aynı nesne için çok sayıda aday oluştuğunda Non-Maximum Suppression güven skoru ve örtüşme eşiğine göre tekrarları azaltır.

Sınır çıkarımında Canny gibi gradient tabanlı yöntemlerden aktif kontur ve instance segmentation yaklaşımlarına kadar farklı teknikler kullanılabilir.

Gerçek zamanlı performans

FPS tek başına uçtan uca gecikmeyi açıklamaz. Decode, yeniden boyutlandırma, bellek kopyaları, model çalıştırma, NMS ve sonuç serileştirme toplam süreye katkıda bulunur.

Gerçek zamanlı nesne algılamada throughput ve tek kare gecikmesi ayrı ölçülür; hedef donanım ve veri hattı model kadar belirleyicidir.