Как работает матчинг bounding box в моделях YOLO и DETR?

В моделях детекции объектов, таких как YOLO и DETR, матчинг bounding box — это процесс сопоставления предсказанных рамок с истинными (ground truth) для обучения и оценки.

YOLO:

• Использует заранее заданную сетку и якорные (anchor) боксы.
• Для каждого якорного бокса выбирается ground truth с максимальным IoU (Intersection over Union).
• Матчинг основан на пороге IoU: если IoU между предсказанным и истинным боксом выше порога, считается, что они соответствуют друг другу.
• Это позволяет модели учиться корректно предсказывать координаты и классы объектов.

DETR:

• Использует трансформер и набор предсказанных объектов без якорей.

• Матчинг происходит с помощью алгоритма Венгерского сопоставления (Hungarian matching).

• Для каждой пары (предсказание, ground truth) вычисляется стоимость, учитывающая:

  • Расстояние между координатами боксов (например, L1 loss)
  • IoU (или generalized IoU)
  • Классовую ошибку

• Венгерский алгоритм находит оптимальное соответствие, минимизирующее суммарную стоимость.

• Такой подход позволяет эффективно сопоставлять предсказания с объектами, даже если их количество различается.

Таким образом, YOLO опирается на жесткие правила и якоря, а DETR — на оптимизационный алгоритм для динамического матчинга без якорей.