Caixas delimitadoras são essenciais para a detecção de objetos, fornecendo uma maneira de marcar as localizações dos objetos. Modelos de detecção de objetos utilizam essas caixas para definir a posição e as dimensões dos objetos detectados dentro de uma imagem. Prever caixas delimitadoras com precisão é fundamental para garantir uma detecção de objetos confiável.

Como as CNNs Predizem as Coordenadas das Caixas Delimitadoras

Redes Neurais Convolucionais (CNNs) processam imagens por meio de camadas de convolução e pooling para extrair características. Para detecção de objetos, as CNNs geram mapas de características que representam diferentes partes de uma imagem. A previsão das caixas delimitadoras é normalmente realizada por:

1. Extração de representações de características da imagem;

2. Aplicação de uma função de regressão para prever as coordenadas das caixas delimitadoras;

3. Classificação dos objetos detectados dentro de cada caixa.

As previsões das caixas delimitadoras são representadas por valores numéricos correspondentes a:

• (x, y): as coordenadas do centro da caixa;

• (w, h): a largura e a altura da caixa.

Exemplo: Previsão de Caixas Delimitadoras Usando um Modelo Pré-treinado

Em vez de treinar uma CNN do zero, é possível utilizar um modelo pré-treinado como o Faster R-CNN do TensorFlow's model zoo para prever caixas delimitadoras em uma imagem. Abaixo está um exemplo de como carregar um modelo pré-treinado, carregar uma imagem, fazer previsões e visualizar as caixas delimitadoras com os rótulos das classes.

Importar bibliotecas

Carregar modelo e imagem

Pré-processar a imagem

Fazer previsão e extrair características da caixa delimitadora

Desenhar caixas delimitadoras

Visualizar

Resultado:

Previsões de Caixas Delimitadoras Baseadas em Regressão

Uma abordagem para prever caixas delimitadoras é a regressão direta, na qual uma CNN gera quatro valores numéricos que representam a posição e o tamanho da caixa. Modelos como o YOLO (You Only Look Once) utilizam essa técnica dividindo uma imagem em uma grade e atribuindo previsões de caixas delimitadoras às células da grade.

No entanto, a regressão direta apresenta limitações:

• Dificuldade com objetos de tamanhos e proporções variadas;

• Ineficácia no tratamento de objetos sobrepostos;

• As caixas delimitadoras podem se deslocar de forma imprevisível, causando inconsistências.

Abordagens Baseadas e Não Baseadas em Âncoras

Métodos Baseados em Âncoras

Caixas âncora são caixas delimitadoras predefinidas com tamanhos e proporções fixas. Modelos como o Faster R-CNN e o SSD (Single Shot MultiBox Detector) utilizam caixas âncora para melhorar a precisão das previsões. O modelo prevê ajustes nas caixas âncora em vez de prever caixas delimitadoras do zero. Esse método é eficaz para detectar objetos em diferentes escalas, mas aumenta a complexidade computacional.

Métodos Anchor-Free

Métodos anchor-free, como CenterNet e FCOS (Fully Convolutional One-Stage Object Detection), eliminam caixas âncora predefinidas e, em vez disso, predizem diretamente os centros dos objetos. Esses métodos oferecem:

• Arquiteturas de modelo mais simples;

• Velocidades de inferência mais rápidas;

• Melhor generalização para tamanhos de objetos não vistos.

Predição de bounding box é um componente essencial da detecção de objetos, e diferentes abordagens equilibram precisão e eficiência. Enquanto métodos baseados em âncoras melhoram a precisão utilizando formas predefinidas, métodos anchor-free simplificam a detecção ao prever diretamente as localizações dos objetos. Compreender essas técnicas auxilia no desenvolvimento de sistemas de detecção de objetos mais eficazes para diversas aplicações do mundo real.