складність 3/5
Object detection
Знайти кожен об’єкт на зображенні й обвести кожен рамкою. Вихід є множиною змінної довжини, і саме це робить задачу важчою за класифікацію та пояснює, чому механіка виглядає так, як виглядає.
Інтуїція
Класифікація повертає одну мітку на ціле зображення. Виявлення повертає множину змінної довжини мічених рамок, і майже все незручне в цій задачі випливає з цієї однієї відмінності. Мережа видає тензор сталого розміру; сцена містить невідому кількість об’єктів. Щось має перекинути місток.
Місток, який бере кожен сучасний детектор, однаковий: запропонувати велику сталу множину областей-кандидатів, класифікувати кожну, підрівняти її краї, а тоді видалити дублікати. d2l описує цей патерн прямо — алгоритми виявлення «зазвичай семплують велику кількість областей у вхідному зображенні, визначають, чи містять ці області цікаві об’єкти, і коригують межі областей так, щоб точніше передбачити еталонні обмежувальні рамки об’єктів» [1, §14.4].
Два наслідки проходять крізь решту сторінки. Множину кандидатів фіксують до навчання, тож саме вона вирішує, що детектор здатний знайти. І множина кандидатів величезна, а об’єктів мало, тож навчальний сигнал переважно є тлом.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- Dive into Deep Learning — Computer Visionbook · звірено 2026-09-14https://d2l.ai/chapter_computer-vision/anchor.html
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks (2016)paperhttps://ar5iv.labs.arxiv.org/html/1506.01497
- You Only Look Once: Unified, Real-Time Object Detection (2016)paperhttps://ar5iv.labs.arxiv.org/html/1506.02640
- Focal Loss for Dense Object Detection (2018)paperhttps://ar5iv.labs.arxiv.org/html/1708.02002
- YOLO9000: Better, Faster, Stronger (2017)paperhttps://arxiv.org/abs/1612.08242