Lección 6 del curso Detección de Objetos con Deep Learning.
En la lección anterior vimos de forma práctica cómo implementar un detector de objetos en imágenes usando modelos YOLO. En particular, vimos cómo afinar el modelo, cómo medir su desempeño y cómo generar predicciones (es decir cómo detectar objetos) usando el modelo afinado.
Otra familia de detectores de objetos muy usada en la actualidad son los modelos basados en Redes Transformer. Así que en esta lección veremos qué es y cómo funciona el Detection Transformer (o DETR), el modelo de detección de objetos basado en Redes Transformer y que es el precursor de todos los modelos de detección de objetos de esta familia usados en la actualidad:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, el modelo DETR incorpora un elemento central en el proceso de detección: el uso de un codificador y de un decodificador basado en Redes Transformer.
De esta forma, tras extraer características de la imagen de entrada usando el backbone (que es una Red Convolucional), los bloques codificador y decodificador del DETR permiten codificar numéricamente la información de la imagen y la relación espacial entre sus elementos (en el caso del codificador) y luego representar vectorialmente la información de los posibles objetos presentes en la imagen (en el caso del decodificador).
Después de esto, la información proveniente del decodificador se lleva a una cabecera de salida que contiene dos elementos: un clasificador (encargado de predecir la probabilidad de que cada objeto en la imagen pertenezca a una categoría) y un regresor (encargado de predecir los bounding boxes correspondientes).
Así que teniendo claro este principio de funcionamiento de este modelo, en la próxima lección veremos de forma práctica cómo implementar un detector de objetos usando el modelo DETR.
Todas las lecciones del curso Detección de Objetos con Deep Learning