Objektlokalisering refererer til identificering af en genstands position i et billede. Før vi kan detektere flere objekter, skal vi først lære at lokalisere et enkelt objekt korrekt.

Forskellen mellem klassificering og lokalisering

Billedklassificering tildeler en enkelt etiket til et helt billede, mens lokalisering identificerer både objektet og dets position ved hjælp af en afgrænsningsboks. Klassificering angiver hvad der er i billedet, mens lokalisering angiver hvor det er.

Forståelse af afgrænsningsbokse

Afgrænsningsbokse er rektangulære bokse, der tegnes omkring objekter i et billede for at definere deres position. Disse bokse bruges som referencepunkter for objektdetektionsmodeller.

(x, y, width, height) koordinatrepræsentationen definerer en afgrænsningsboks ved at angive det øverste venstre hjørne (x, y) og dens dimensioner med bredde og højde.

Udfordringer ved lokalisering

Objektlokalisering står over for flere udfordringer:

• Skalavariationer: objekter kan fremstå større eller mindre afhængigt af deres afstand til kameraet;

• Occlusion: objekter kan være delvist skjult bag andre elementer i billedet;

• Baggrundsstøj: komplekse baggrunde kan gøre objektlokalisering vanskelig;

• Forskellige billedforhold: objekter med forskellige former passer muligvis ikke godt til standardafgrænsningsbokse.

Forståelse af disse grundlæggende begreber er afgørende, før man går videre til mere komplekse objektdetektionsteknikker.