Tema

Detección y segmentación

Aprendizaje profundo
Nivel avanzado

La detección devuelve una caja y una clase por cada objeto de la imagen, mientras que la segmentación asigna una clase a cada píxel.

Nombre en inglés

Detection and segmentation

Intuición

Clasificar una imagen entera responde qué hay; detectar responde además dónde, lo que obliga a predecir coordenadas y a decidir cuántos objetos aparecen. La familia de dos etapas propone regiones y después las clasifica, con lo que gana precisión y pierde velocidad, mientras que la de una etapa reparte una rejilla de cajas ancla y predice todo de una vez. La segmentación cambia las capas densas finales por convoluciones y recupera la resolución con interpolación o con convoluciones transpuestas.

Fórmula

\mathrm{IoU} = \frac{|A \cap B|}{|A \cup B|} \qquad L = L_{clase} + \lambda L_{caja}

Ejemplo resuelto

La caja verdadera va de (0, 0) a (4, 4) y la predicha va de (2, 2) a (6, 6), de modo que ambas tienen área 16. La intersección va de (2, 2) a (4, 4) y su área vale 4. La unión vale 16 más 16 menos 4 = 28, así que la intersección sobre la unión vale 4 dividido entre 28, cerca de 0.1429. Con el umbral habitual de 0.5, la predicción cuenta como falso positivo aunque el objeto esté bastante cerca. Si la caja predicha fuese de (1, 1) a (5, 5), la intersección mediría 3 por 3 = 9, la unión valdría 23 y el cociente subiría a cerca de 0.3913, todavía por debajo del umbral.

Errores frecuentes

Medir la detección con exactitud de clasificación, cuando la métrica del área requiere la precisión media calculada sobre varios umbrales de intersección sobre la unión.
Suprimir el paso de supresión de no máximos, lo que deja varias cajas casi idénticas sobre el mismo objeto y hunde la precisión.
Sumar la pérdida de clase y la de coordenadas sin ponderarlas, ya que sus escalas difieren y una domina a la otra.

Ejercicio

Dos cajas de 10 por 10 se solapan en un cuadrado de 5 por 5. ¿Cuánto vale la intersección sobre la unión?

Ver la solución

Cada caja tiene área 100 y la intersección vale 25. La unión es 100 más 100 menos 25 = 175. El cociente vale 25 dividido entre 175, es decir, 1 dividido entre 7, cerca de 0.1429.

Respuesta: cerca de 0.1429