Object localization, definícia a použitie | AI slovník

Odborná definícia

Object localization je úloha odhadu priestorovej polohy objektu v obraze, typicky súradnicami ohraničovacieho rámčeka, stredu, kľúčových bodov alebo inej geometrickej reprezentácie. V klasickom nastavení môže byť trieda objektu známa a v obraze sa predpokladá jedna dominantná inštancia. Lokalizácia sa preto odlišuje od všeobecnej detekcie, ktorá rieši neznámy počet objektov a súčasne ich kategorizuje. Strata kombinuje chybu súradníc s prípadnou klasifikačnou zložkou a hodnotenie musí rešpektovať mierku aj toleranciu konkrétnej aplikácie.

Zrozumiteľné vysvetlenie

Ak aplikácia vie, že na fotografii je merač, lokalizácia určí, kde presne sa nachádza, aby ďalší modul mohol prečítať displej. Nejde ešte o rozpoznanie číslic ani o nájdenie všetkých predmetov v miestnosti. V robotike môže byť výstupom stred uchopenia, v medicíne rámček podozrivého nálezu a v dokumente oblasť podpisu. Chyba niekoľkých pixelov môže byť pri náhľade zanedbateľná, ale pri rezaní materiálu alebo meraní rozmeru zásadná, preto sa vhodná metrika odvodzuje od následnej operácie.

Časté otázky

Musí lokalizácia vždy používať obdĺžnikový rámček?

Nie. Poloha môže byť vyjadrená stredom a rozmermi, rotovaným rámčekom, polygonálnou oblasťou, kľúčovými bodmi alebo pravdepodobnostnou heatmapou podľa geometrie úlohy.

Kedy stačí lokalizácia jedného objektu?

Keď proces očakáva jednu známu cieľovú inštanciu, napríklad tvár pri registrácii, štítok výrobku alebo nástroj v kontrolovanom pracovnom priestore. Pri neznámom počte cieľov je vhodnejšia detekcia.

Ako sa trénuje regresia súradníc?

Model predikuje parametre polohy a optimalizuje stratu, napríklad Smooth L1, GIoU alebo inú geometrickú funkciu. Súradnice sa často normalizujú vzhľadom na rozmery obrazu alebo anchor.

Prečo môže byť malá súradnicová chyba prakticky veľká?

Následný modul môže používať veľmi úzky výrez. Posun rámčeka môže odrezať znak, presunúť bod uchopenia mimo objektu alebo zahrnúť okolité tkanivo, preto treba testovať celý pipeline.

Ako sa lokalizácia overuje bez presných anotácií?

Použiť možno slabé anotácie, konsenzus viacerých anotátorov alebo aplikačnú metriku, napríklad úspešnosť následného OCR. Neistota referencie sa musí uviesť, aby sa chyba modelu nezamieňala s chybou anotácie.

Súvisiace pojmy

Zdroje a redakčná stopa

ImageNet Large Scale Visual Recognition Challenge
PyTorch, Bounding Box Regression Losses

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.