Utvärdering av objektigenkänningsmodeller

Djupinlärning för bilder med PyTorch

Michal Oleszak

Machine Learning Engineer

Klassificering och lokalisering

object localization

Utdata 1: Klassificering (t.ex. katt)

Klassificering och lokalisering

object localization

Utdata 1: Klassificering (t.ex. katt)
Utdata 2: Begränsningsboxregression [x1, y1, x2, y2]

Intersection over Union (IoU)

Objekt av intresse: det objekt i bilden vi vill detektera (t.ex. hund)
Ground truth-box: den korrekta begränsningsboxen runt objektet av intresse
Intersection over Union: ett mått på överlappningen mellan två boxar

jaccard

IoU = Snittytan / Unionytan
- IoU = 0 ingen överlappning, IoU = 1 perfekt överlappning
- IoU >0,5 är en bra prediktion

IoU i 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]])

Två uppsättningar boxar (x1, y1, x2, y2)

set of 2 boxes

Konvertera vektorer till 2D-tensorer
Beräkna IoU

Prediktera begränsningsboxar

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"]

Non-max suppression (NMS)

multiple boxes

Non-max suppression (NMS)

multiple boxes

Non-max suppression: en vanlig teknik för att välja de mest relevanta begränsningsboxarna

Non-max: kasserar boxar med låg konfidenspoäng för att innehålla ett objekt
Suppression: kasserar boxar med lågt IoU

Non-max suppression i 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: tensorer med begränsningsboxarnas koordinater av formen [N, 4]
Scores: tensor med konfidenspoängen för varje box av formen [N]
iou_threshold: tröskelvärdet mellan 0,0 och 1,0
Utdata: index för filtrerade begränsningsboxar

Nu kör vi en övning!

Djupinlärning för bilder med PyTorch