AI-For-Beginners/translations/pt/lessons/4-ComputerVision/11-ObjectDetection/README.md

Detecção de Objetos

Os modelos de classificação de imagens que abordámos até agora recebiam uma imagem e produziam um resultado categórico, como a classe 'número' num problema MNIST. No entanto, em muitos casos, não queremos apenas saber que uma imagem retrata objetos - queremos determinar a sua localização precisa. Este é exatamente o objetivo da detecção de objetos.

Questionário pré-aula

Imagem do site YOLO v2

Uma Abordagem Ingénua para Detecção de Objetos

Supondo que queremos encontrar um gato numa imagem, uma abordagem muito ingénua para detecção de objetos seria a seguinte:

1. Dividir a imagem em vários blocos.
2. Executar a classificação de imagem em cada bloco.
3. Os blocos que resultarem numa ativação suficientemente alta podem ser considerados como contendo o objeto em questão.

Imagem do Caderno de Exercícios

No entanto, esta abordagem está longe de ser ideal, pois só permite ao algoritmo localizar a caixa delimitadora do objeto de forma muito imprecisa. Para uma localização mais precisa, precisamos de executar algum tipo de regressão para prever as coordenadas das caixas delimitadoras - e, para isso, necessitamos de conjuntos de dados específicos.

Regressão para Detecção de Objetos

Este artigo oferece uma excelente introdução à deteção de formas.

Conjuntos de Dados para Detecção de Objetos

Poderá encontrar os seguintes conjuntos de dados para esta tarefa:

• PASCAL VOC - 20 classes
• COCO - Objetos Comuns em Contexto. 80 classes, caixas delimitadoras e máscaras de segmentação

Métricas de Detecção de Objetos

Interseção sobre União

Enquanto na classificação de imagens é fácil medir o desempenho do algoritmo, na detecção de objetos precisamos de medir tanto a correção da classe como a precisão da localização da caixa delimitadora inferida. Para esta última, utilizamos a chamada Interseção sobre União (IoU), que mede o quão bem duas caixas (ou duas áreas arbitrárias) se sobrepõem.

Figura 2 de este excelente artigo sobre IoU

A ideia é simples - dividimos a área de interseção entre duas figuras pela área da sua união. Para duas áreas idênticas, o IoU seria 1, enquanto para áreas completamente disjuntas será 0. Caso contrário, variará entre 0 e 1. Normalmente, consideramos apenas as caixas delimitadoras para as quais o IoU está acima de um determinado valor.

Precisão Média

Suponha que queremos medir o quão bem uma determinada classe de objetos C é reconhecida. Para medir isso, utilizamos a métrica de Precisão Média, que é calculada da seguinte forma:

1. Consideramos a curva de Precisão-Recall que mostra a precisão dependendo de um valor de limiar de deteção (de 0 a 1).
2. Dependendo do limiar, obteremos mais ou menos objetos detetados na imagem e diferentes valores de precisão e recall.
3. A curva terá este aspeto:

Imagem de NeuroWorkshop

A Precisão Média para uma classe C é a área sob esta curva. Mais precisamente, o eixo Recall é normalmente dividido em 10 partes, e a Precisão é calculada como média em todos esses pontos:

AP = {1\over11}\sum_{i=0}^{10}\mbox{Precision}(\mbox{Recall}={i\over10})

AP e IoU

Consideramos apenas as deteções para as quais o IoU está acima de um determinado valor. Por exemplo, no conjunto de dados PASCAL VOC, normalmente \mbox{IoU Threshold} = 0.5 é assumido, enquanto no COCO o AP é medido para diferentes valores de \mbox{IoU Threshold}.

Imagem de NeuroWorkshop

Precisão Média Global - mAP

A principal métrica para Detecção de Objetos é chamada de Precisão Média Global, ou mAP. É o valor da Precisão Média, calculado como média entre todas as classes de objetos, e às vezes também sobre \mbox{IoU Threshold}. O processo de cálculo do mAP é descrito em mais detalhe neste artigo), e também aqui com exemplos de código.

Diferentes Abordagens para Detecção de Objetos

Existem duas grandes classes de algoritmos de detecção de objetos:

• Redes de Proposta de Região (R-CNN, Fast R-CNN, Faster R-CNN). A ideia principal é gerar Regiões de Interesse (ROI) e executar CNN sobre elas, procurando a ativação máxima. É um pouco semelhante à abordagem ingénua, com a exceção de que as ROIs são geradas de forma mais inteligente. Uma das principais desvantagens desses métodos é que são lentos, pois necessitam de várias passagens do classificador CNN sobre a imagem.
• Métodos de uma única passagem (YOLO, SSD, RetinaNet). Nessas arquiteturas, projetamos a rede para prever tanto as classes como as ROIs numa única passagem.

R-CNN: CNN Baseada em Região

R-CNN utiliza Selective Search para gerar uma estrutura hierárquica de regiões ROI, que são então passadas por extratores de características CNN e classificadores SVM para determinar a classe do objeto, e regressão linear para determinar as coordenadas da caixa delimitadora. Artigo Oficial

Imagem de van de Sande et al. ICCV’11

Imagens de este artigo

F-RCNN - Fast R-CNN

Esta abordagem é semelhante à R-CNN, mas as regiões são definidas após as camadas de convolução terem sido aplicadas.

Imagem do Artigo Oficial, arXiv, 2015

Faster R-CNN

A ideia principal desta abordagem é usar uma rede neural para prever ROIs - a chamada Rede de Proposta de Região. Artigo, 2016

Imagem do artigo oficial

R-FCN: Rede Totalmente Convolucional Baseada em Região

Este algoritmo é ainda mais rápido que o Faster R-CNN. A ideia principal é a seguinte:

1. Extraímos características usando ResNet-101.
2. As características são processadas por Position-Sensitive Score Map. Cada objeto das classes C é dividido em regiões k\times k, e treinamos para prever partes dos objetos.
3. Para cada parte das regiões k\times k, todas as redes votam pelas classes de objetos, e a classe de objeto com o voto máximo é selecionada.

Imagem do artigo oficial

YOLO - You Only Look Once

YOLO é um algoritmo de uma única passagem em tempo real. A ideia principal é a seguinte:

• A imagem é dividida em regiões S\times S.
• Para cada região, CNN prevê n objetos possíveis, coordenadas da caixa delimitadora e confiança=probabilidade * IoU.

Imagem do artigo oficial

Outros Algoritmos

• RetinaNet: artigo oficial
  • Implementação PyTorch em Torchvision
  • Implementação Keras
  • Detecção de Objetos com RetinaNet em exemplos Keras
• SSD (Single Shot Detector): artigo oficial

✍️ Exercícios: Detecção de Objetos

Continue a sua aprendizagem no seguinte caderno:

ObjectDetection.ipynb

Conclusão

Nesta lição, fez uma rápida exploração de todas as várias formas de realizar detecção de objetos!

🚀 Desafio

Leia estes artigos e cadernos sobre YOLO e experimente por si mesmo:

• Bom artigo descrevendo YOLO
• Site oficial
• YOLO: Implementação Keras, caderno passo-a-passo
• YOLO v2: Implementação Keras, caderno passo-a-passo

Questionário pós-aula

Revisão e Autoestudo

• Detecção de Objetos por Nikhil Sardana
• Uma boa comparação de algoritmos de detecção de objetos
• Revisão de Algoritmos de Aprendizagem Profunda para Detecção de Objetos
• Uma Introdução Passo-a-Passo aos Algoritmos Básicos de Detecção de Objetos
• Implementação de Faster R-CNN em Python para Detecção de Objetos

Tarefa: Detecção de Objetos

---