Funzione di Loss in YOLO

YOLO (You Only Look Once) è uno dei modelli di deep learning più popolari per il rilevamento degli oggetti, grazie alla sua velocità e accuratezza, per avere un infarinatura generale è consigliato di leggere l’articolo precedente. Alla base del suo funzionamento c’è una funzione di loss ben strutturata, che guida il modello nell’apprendimento della posizione, dimensione e classificazione degli oggetti nelle immagini.

In questo articolo, esploreremo in dettaglio la funzione di loss di YOLO, un concetto fondamentale nel machine learning e nelle reti neurali. In parole semplici, è una misura di quanto il modello sta sbagliando nelle sue previsioni.

Quando un modello come YOLO analizza un’immagine e cerca di rilevare oggetti, genera delle previsioni su:

Dove si trovano gli oggetti (coordinate del bounding box).
Se un oggetto è presente in una determinata area (confidenza).
A quale categoria appartiene l’oggetto rilevato (classificazione).

La funzione di loss confronta queste previsioni con le risposte corrette (dati di training) e calcola un errore. L’obiettivo del modello durante l’addestramento è ridurre al minimo questo errore, migliorando così la qualità delle sue previsioni.

Più la loss è bassa, più il modello sta imparando correttamente a riconoscere e classificare gli oggetti. Se la loss è alta, significa che il modello sta facendo molti errori e deve continuare ad allenarsi.

Nel caso di YOLO, la funzione di loss è composta da diverse parti, ognuna delle quali serve a migliorare un aspetto specifico del rilevamento. Nei prossimi paragrafi analizzeremo queste componenti nel dettaglio.

Loss di Coordinate, responsabile dell’accuratezza nella previsione della posizione degli oggetti.
Loss di Confidenza, che determina quanto il modello è sicuro della presenza di un oggetto in una determinata area.
Loss di Classe, che aiuta a classificare correttamente gli oggetti individuati.
Funzione di Loss Totale, che combina tutte queste componenti per addestrare il modello in modo efficace.

Se vuoi approfondire il funzionamento di YOLO e capire come la sua funzione di loss incide sulla qualità del rilevamento, sei nel posto giusto!

1. Loss di Coordinate `Lcoord` $(x, y, w, h)$ :

Penalizza la differenza tra le coordinate predette per il centro del box e quelle effettive. Viene applicato un errore quadratico medio (MSE) solo per le celle che contengono un oggetto.

La formula per la loss di coordinate è:

$L_{coord} = \sum_{i=0}^{B} \lambda_{coord} \cdot \left( (x_i - \hat{x}_i)^2 + (y_i - \hat{y}_i)^2 + (w_i - \hat{w}_i)^2 + (h_i - \hat{h}_i)^2 \right)$

Dove:

$( x_i, y_i, w_i, h_i )$ sono le coordinate reali e le dimensioni del box.

$( \hat{x}_i, \hat{y}_i, \hat{w}_i, \hat{h}_i )$ sono le coordinate e le dimensioni predette dal modello.

$( \lambda_{coord})$ è un fattore di scala per pesare l’importanza del termine.

2. Loss di Confidenza `Lconf`:

Penalizza la previsione di confidenza per ogni box. Se un box è vuoto (cioè non contiene un oggetto), il modello dovrebbe predire una confidenza bassa. Se invece contiene un oggetto, la confidenza dovrebbe essere alta.

La formula per la loss di confidenza è:

$L_{conf} = \sum_{i=0}^{B} \lambda_{conf} \cdot (C_i - \hat{C}_i)^2$

Dove:
$( C_i )$ è la confidenza reale (1 se l’oggetto è presente, 0 se non lo è).
$( \hat{C}_i )$ è la confidenza predetta.

3. Loss di Classe `Lclass`:

Penalizza la previsione errata della classe di un oggetto. Se l’oggetto è presente, la rete deve essere in grado di prevedere la classe corretta.

La formula per la loss di classe è:

$L_{class} = \sum_{i=0}^{B} \lambda_{class} \cdot (p_i - \hat{p}_i)^2$

Dove:
$( p_i )$ è la probabilità della classe corretta.
$( \hat{p}_i )$ è la probabilità predetta per quella classe.

Dopo aver esaminato le singole componenti della funzione di loss di YOLO—Loss di Coordinate, Loss di Confidenza e Loss di Classe—è importante capire il significato del valore finale della Funzione di Loss Totale e come interpretarlo.

4. Funzione di Loss Totale di YOLO

La funzione di loss totale è la somma dei tre componenti, ognuno pesato da un fattore di scala. In generale, la funzione di loss finale è:

$L_{total} = L_{coord} + L_{conf} + L_{class}$

La funzione di loss totale è la somma ponderata di tutte queste componenti e rappresenta quanto il modello sta sbagliando complessivamente. Vediamo cosa significano i possibili valori che può assumere:

Loss Totale Alta
- Se il valore della loss è molto alto, significa che il modello sta facendo errori significativi.
- Potrebbe indicare che le coordinate dei bounding box sono imprecise, che il modello non è sicuro della presenza degli oggetti o che sta confondendo le classi.
- In questo caso, potrebbe essere necessario migliorare il dataset di training (ad esempio, con più immagini o annotazioni più precise) o modificare l’architettura e i parametri del modello.
Loss Totale Media
- Un valore intermedio della loss indica che il modello sta imparando, ma ha ancora margini di miglioramento.
- Se la loss diminuisce gradualmente durante l’addestramento, è un buon segno: significa che il modello sta migliorando le sue previsioni.
- Tuttavia, se rimane bloccata su un valore medio per troppo tempo, potrebbe essere necessario aggiustare l’ottimizzatore o i tassi di apprendimento.
Loss Totale Bassa
- Se il valore della loss è basso, significa che il modello sta facendo previsioni molto accurate.
- Le coordinate dei bounding box sono precise, la confidenza è ben calibrata e la classificazione è corretta nella maggior parte dei casi.
- Questo è l’obiettivo ideale, ma attenzione: una loss troppo vicina a zero potrebbe significare overfitting, ovvero che il modello ha memorizzato i dati di training senza generalizzare bene su nuove immagini.

Dare un Senso ai Calcoli della Loss Totale

Durante l’addestramento, bisogna monitorare l’andamento della loss nel tempo: una perdita che diminuisce progressivamente è un buon segnale.
È utile confrontare le singole componenti della loss: ad esempio, se la Loss di Coordinate è alta, significa che il modello fatica a prevedere la posizione degli oggetti. Se la Loss di Confidenza è alta, potrebbe esserci un problema con i falsi positivi o negativi…
Il valore finale della loss non ha un’unità di misura assoluta, ma va interpretato relativamente al dataset e al modello: ciò che conta è come cambia e come influenza le prestazioni reali del modello.

Vantaggi di YOLO

Velocità: YOLO è estremamente veloce e può essere eseguito in tempo reale su hardware moderno.
Accuratezza: Nonostante la velocità, YOLO è in grado di rilevare oggetti con un buon livello di accuratezza.
Unico passaggio di rilevamento: La combinazione della classificazione e della localizzazione in un solo passaggio rende il processo molto più efficiente rispetto ad altri metodi che richiedono più passaggi.

Versioni di YOLO

YOLO è stato continuamente migliorato con l’introduzione di nuove versioni. Le principali versioni includono:

YOLOv1: La versione originale, introdotta da Joseph Redmon nel 2015.
YOLOv2: (Darknet-19): Una versione migliorata con migliori capacità di rilevamento.
YOLOv3: Introduce ulteriori miglioramenti in termini di accuratezza e supporta il rilevamento di oggetti di dimensioni diverse.
YOLOv4: Un’ulteriore evoluzione che migliora la velocità e l’accuratezza su diverse piattaforme.
YOLOv5: Una versione non ufficiale che continua ad essere molto popolare nella comunità.
YOLOv6
- Sviluppato da Meituan nel 2022 per applicazioni industriali.
- Ottimizzato per essere efficiente su dispositivi edge e robot autonomi.
YOLOv7
- Pubblicato nel 2022 dagli autori di YOLOv4.
- Introduce il “trainable bag of freebies”, un insieme di miglioramenti architetturali per aumentare la precisione senza sacrificare la velocità.
YOLOv8
- Ultima versione ufficiale sviluppata da Ultralytics.
- Aggiunge nuove funzionalità come:
- Segmentazione di istanze.
- Stima delle pose e punti chiave.
- Classificazione degli oggetti.
YOLOv9, YOLOv10 e YOLOv11
- Versioni sperimentali con ulteriori ottimizzazioni in velocità e accuratezza.
- YOLOv9 implementa il Programmable Gradient Information (PGI) per migliorare l’apprendimento.

Applicazioni di YOLO

YOLO viene utilizzato in molteplici campi, tra cui:

Videosorveglianza: Rilevamento in tempo reale per la sicurezza.
Veicoli autonomi: Riconoscimento di pedoni, veicoli e segnali stradali.
Robotica: Navigazione e interazione con gli oggetti.
Agricoltura di precisione: Monitoraggio delle colture tramite droni.
Medicina: Identificazione di anomalie nelle immagini diagnostiche.

YOLO inoltre si integra bene con strumenti di annotazione come Label Studio, facilitando la creazione di dataset annotati per l’addestramento di modelli di rilevamento e classificazione.

Licenze e Open-Source

Alcune versioni di YOLO sono open-source, mentre altre potrebbero avere restrizioni per l’uso commerciale.
YOLOv8 e versioni successive potrebbero richiedere una licenza per l’uso in progetti commerciali.

Risorse Utili

Documentazione ufficiale: [docs.ultralytics.com]
YOLO Spiegato: [YouTube]
YOLOv11 vs YOLOv10 vs YOLOv9 vs YOLOv8 (Video): [YouTube]
YOLOSHOW (GUI per YOLO): [GitHub]
Discussioni su Reddit: [YOLO licensing]

YOLO: un’analisi approfondita