Ocena modeli rozpoznawania obiektów

Głębokie uczenie dla obrazów z PyTorch

Michal Oleszak

Machine Learning Engineer

Klasyfikacja i lokalizacja

lokalizacja obiektu

Wyjście 1: Klasyfikacja (np. kot)

Klasyfikacja i lokalizacja

lokalizacja obiektu

Wyjście 1: Klasyfikacja (np. kot)
Wyjście 2: Regresja ramki ograniczającej [x1, y1, x2, y2]

Intersection over Union (IoU)

Obiekt zainteresowania: obiekt na obrazie, który chcemy wykryć (np. pies)
Ramka rzeczywista: dokładna ramka ograniczająca wokół obiektu zainteresowania
Intersection over Union: metryka mierząca nakładanie się dwóch ramek

jaccard

IoU = Pole przecięcia / Pole sumy
- IoU = 0 brak nakładania, IoU = 1 idealne pokrycie
- IoU > 0,5 to dobra predykcja

IoU w PyTorch

bbox1 = [50, 50, 150, 150]
bbox2 = [100, 100, 200, 200]


bbox1 = torch.tensor(bbox1).unsqueeze(0)
bbox2 = torch.tensor(bbox2).unsqueeze(0)

from torchvision.ops import box_iou

iou = box_iou(bbox1, bbox2)
print(iou)

tensor([[0.1429]])

Dwa zbiory ramek (x1, y1, x2, y2)

dwie ramki

Konwersja wektorów do tensorów 2D
Obliczenie IoU

Przewidywanie ramek ograniczających

model.eval()
with torch.no_grad():

    output = model(input_image)

print(output)

[{'boxes': tensor([[ 42.8553, 271.9481, 180.6003, 346.7082],
                  [191.6016,  80.4759, 247.8009, 387.5475], ....),
'scores': tensor([1.0000, 1.0000, 0.9998, ... ]),
'labels': tensor([18,  1, 20, 18, 18, 18 ...])
}]

boxes = output[0]["boxes"]

scores = output[0]["scores"]

Tłumienie niemaksymalne (NMS)

wiele ramek

Tłumienie niemaksymalne (NMS)

wiele ramek

Tłumienie niemaksymalne: technika wyboru najbardziej trafnych ramek ograniczających

Niemaksymalne: odrzucanie ramek o niskim wskaźniku pewności wykrycia obiektu
Tłumienie: odrzucanie ramek o niskim IoU

Tłumienie niemaksymalne w PyTorch

from torchvision.ops import nms


box_indices = nms(
    boxes=boxes,
    scores=scores,
    iou_threshold=0.5,
)
print(box_indices)

tensor([ 0,   1,   2,   8])

filtered_boxes = boxes[box_indices]

Boxes: tensory ze współrzędnymi ramek ograniczających o kształcie [N, 4]
Scores: tensor z poziomem pewności dla każdej ramki o kształcie [N]
iou_threshold: próg z zakresu 0,0–1,0
Wyjście: indeksy przefiltrowanych ramek ograniczających

Czas na ćwiczenia!

Głębokie uczenie dla obrazów z PyTorch