Begrenzungsrahmen sind entscheidend für die Objekterkennung und ermöglichen die Markierung von Objektpositionen. Objekterkennungsmodelle verwenden diese Rahmen, um die Position und die Abmessungen erkannter Objekte innerhalb eines Bildes zu definieren. Eine präzise Vorhersage von Begrenzungsrahmen ist grundlegend für eine zuverlässige Objekterkennung.

Wie CNNs Begrenzungsrahmen-Koordinaten vorhersagen

Convolutional Neural Networks (CNNs) verarbeiten Bilder durch Schichten von Faltungen und Pooling, um Merkmale zu extrahieren. Für die Objekterkennung erzeugen CNNs Merkmalskarten, die verschiedene Bildbereiche repräsentieren. Die Vorhersage von Begrenzungsrahmen erfolgt typischerweise durch:

1. Extraktion von Merkmalsrepräsentationen aus dem Bild;

2. Anwendung einer Regressionsfunktion zur Vorhersage der Begrenzungsrahmen-Koordinaten;

3. Klassifizierung der erkannten Objekte innerhalb jedes Rahmens.

Vorhersagen von Begrenzungsrahmen werden als numerische Werte dargestellt, die Folgendes entsprechen:

• (x, y): die Koordinaten des Mittelpunkts des Rahmens;

• (w, h): die Breite und Höhe des Rahmens.

Beispiel: Vorhersage von Begrenzungsrahmen mit einem vortrainierten Modell

Anstatt ein CNN von Grund auf zu trainieren, kann ein vortrainiertes Modell wie Faster R-CNN aus dem TensorFlow Model Zoo verwendet werden, um Begrenzungsrahmen auf einem Bild vorherzusagen. Nachfolgend ein Beispiel für das Laden eines vortrainierten Modells, das Laden eines Bildes, das Erstellen von Vorhersagen und das Visualisieren der Begrenzungsrahmen mit Klassenbezeichnungen.

Bibliotheken importieren

Modell und Bild laden

Bild vorverarbeiten

Vorhersage erstellen und Begrenzungsbox-Merkmale extrahieren

Begrenzungsboxen zeichnen

Visualisierung

Ergebnis:

Regressionsbasierte Vorhersagen von Begrenzungsrahmen

Ein Ansatz zur Vorhersage von Begrenzungsrahmen ist die direkte Regression, bei der ein CNN vier numerische Werte ausgibt, die die Position und Größe des Rahmens darstellen. Modelle wie YOLO (You Only Look Once) verwenden diese Technik, indem sie ein Bild in ein Raster unterteilen und den Rasterzellen Begrenzungsrahmen-Vorhersagen zuweisen.

Die direkte Regression hat jedoch Einschränkungen:

• Schwierigkeiten bei Objekten mit unterschiedlichen Größen und Seitenverhältnissen;

• Unzureichende Handhabung überlappender Objekte;

• Begrenzungsrahmen können sich unvorhersehbar verschieben, was zu Inkonsistenzen führt.

Anchor-basierte vs. Anchor-freie Ansätze

Anchor-basierte Methoden

Anchor-Boxen sind vordefinierte Begrenzungsrahmen mit festen Größen und Seitenverhältnissen. Modelle wie Faster R-CNN und SSD (Single Shot MultiBox Detector) verwenden Anchor-Boxen, um die Vorhersagegenauigkeit zu verbessern. Das Modell sagt Anpassungen an Anchor-Boxen voraus, anstatt Begrenzungsrahmen von Grund auf zu bestimmen. Diese Methode eignet sich gut zur Erkennung von Objekten in unterschiedlichen Maßstäben, erhöht jedoch die Rechenkomplexität.

Ankerfreie Methoden

Ankerfreie Methoden wie CenterNet und FCOS (Fully Convolutional One-Stage Object Detection) verzichten auf vordefinierte Ankerboxen und sagen stattdessen direkt die Objektzentren voraus. Diese Methoden bieten:

• Einfachere Modellarchitekturen;

• Schnellere Inferenzgeschwindigkeiten;

• Verbesserte Generalisierung auf unbekannte Objektgrößen.

Vorhersage von Begrenzungsrahmen ist ein wesentlicher Bestandteil der Objekterkennung, wobei verschiedene Ansätze Genauigkeit und Effizienz ausbalancieren. Während ankerbasierte Methoden die Präzision durch vordefinierte Formen erhöhen, vereinfachen ankerfreie Methoden die Erkennung, indem sie Objektpositionen direkt vorhersagen. Das Verständnis dieser Techniken unterstützt die Entwicklung besserer Objekterkennungssysteme für verschiedene reale Anwendungen.