Deteksi objek berbasis himpunan memperlakukan deteksi sebagai masalah prediksi himpunan, langsung menghasilkan kotak pembatas tanpa jangkar yang telah ditentukan sebelumnya. Deteksi berbasis jangkar bergantung pada kotak yang telah ditentukan sebelumnya pada berbagai skala dan rasio aspek, kemudian memperhalusnya. Kedua pendekatan ini mendukung sistem visi komputer modern tetapi berbeda secara mendasar dalam cara mereka melokalisasi objek.
Paradigma deteksi modern yang memprediksi objek sebagai himpunan tak terurut, sehingga menghilangkan kebutuhan akan kotak jangkar yang dibuat secara manual.
Pendekatan deteksi tradisional yang menggunakan kotak jangkar yang telah ditentukan sebelumnya dengan berbagai ukuran dan rasio untuk melokalisasi objek dalam gambar.
| Fitur | Deteksi Objek Berbasis Himpunan | Deteksi Objek Berbasis Jangkar |
|---|---|---|
| Pendekatan Inti | Prediksi himpunan langsung menggunakan transformer | Klasifikasi dan regresi jangkar yang telah ditentukan sebelumnya |
| Kotak Jangkar Diperlukan | TIDAK | Ya |
| Pasca-pemrosesan | Minimal atau tidak ada sama sekali (bebas NMS) | Penekanan non-maksimum diperlukan |
| Stabilitas Pelatihan | Secara historis menantang, namun telah diperbaiki dalam varian yang lebih baru. | Secara umum stabil dengan hyperparameter yang disetel dengan baik. |
| Waktu Pelatihan | Lebih lama, terutama untuk model DETR awal. | Konvergensi biasanya lebih cepat. |
| Sensitivitas Hiperparameter | Lebih rendah (pilihan desain lebih sedikit) | Lebih tinggi (skala acuan, rasio, ambang batas IoU) |
| Model Representatif | DETR, DETR yang Dapat Berubah Bentuk, DINO, Co-DETR | Faster R-CNN, RetinaNet, SSD, YOLOv3/v4/v5 |
| COCO mAP (tipikal) | 50-63% tergantung variannya | 37-50% tergantung variannya |
| Prediksi Duplikat | Dieliminasi melalui pencocokan bipartit | Ditangani melalui NMS |
Deteksi berbasis himpunan pada dasarnya memikirkan kembali masalah ini dengan meminta model untuk menghasilkan himpunan prediksi berukuran tetap dalam satu kali proses, di mana setiap elemen sesuai dengan satu objek. Ini menghilangkan kebutuhan akan komponen yang dirancang secara manual. Deteksi berbasis jangkar, sebaliknya, dimulai dengan kisi padat dari kotak yang telah ditentukan sebelumnya dan meminta model untuk mengklasifikasikan dan menyempurnakan masing-masing kotak, yang secara konseptual lebih sederhana tetapi memperkenalkan banyak keputusan desain.
Detektor berbasis himpunan biasanya menggunakan arsitektur transformer dengan mekanisme self-attention dan cross-attention, yang memungkinkan model untuk bernalar secara global tentang hubungan antar objek. Metode berbasis anchor terutama mengandalkan backbone konvolusional dengan jaringan proposal wilayah atau jaringan piramida fitur. Pergeseran arsitektur dari CNN ke transformer membawa bias induktif dan karakteristik komputasi yang berbeda.
Model berbasis himpunan awal seperti DETR terkenal karena konvergensi yang lambat, seringkali membutuhkan 500 epoch untuk menyamai kinerja Faster R-CNN pada 50 epoch. Pengembangan selanjutnya pada Deformable DETR dan DINO secara dramatis mengurangi waktu pelatihan melalui mekanisme perhatian yang lebih baik dan teknik pengurangan noise. Model berbasis anchor mendapat manfaat dari resep pelatihan yang dipahami dengan baik dan umumnya berkonvergensi lebih cepat dengan pengaturan standar.
Detektor berbasis jangkar tetap dominan dalam sistem produksi karena kematangannya, perangkat pendukung yang ekstensif, dan perilaku yang dapat diprediksi. Detektor berbasis himpunan semakin populer dalam penelitian dan beberapa aplikasi komersial di mana sifat ujung-ke-ujungnya menyederhanakan alur kerja penerapan. Ketiadaan NMS (Network Management System) dalam model berbasis himpunan sangat berharga untuk sistem waktu nyata di mana latensi pasca-pemrosesan menjadi penting.
Pada benchmark COCO, detektor berbasis himpunan modern seperti DINO dan Co-DETR telah melampaui metode berbasis anchor, mencapai lebih dari 63% mAP. Namun, model berbasis anchor seperti YOLOv8 dan EfficientDet tetap sangat kompetitif, terutama jika mempertimbangkan kecepatan inferensi. Pilihan seringkali bergantung pada apakah akurasi atau efisiensi komputasi yang menjadi prioritas.
Deteksi berbasis himpunan sepenuhnya menggantikan deteksi berbasis jangkar dalam praktiknya.
Meskipun metode berbasis himpunan telah mendapatkan perhatian penelitian yang signifikan, detektor berbasis jangkar seperti varian YOLO tetap banyak digunakan dalam sistem produksi. Kedua pendekatan tersebut hidup berdampingan, dengan pilihan tergantung pada kasus penggunaan spesifik, kendala perangkat keras, dan persyaratan akurasi.
Detektor berbasis himpunan tidak memerlukan pemrosesan pasca-pengolahan sama sekali.
Meskipun metode berbasis himpunan menghilangkan penekanan non-maksimum melalui pencocokan bipartit selama pelatihan, beberapa varian masih menerapkan penyaringan ringan pada inferensi. Keuntungan utamanya adalah menghilangkan ambang batas NMS yang disetel secara manual, bukan seluruh pemrosesan pasca-pelatihan.
Deteksi berbasis jangkar sudah usang dan ketinggalan zaman.
Metode berbasis anchor terus berkembang dan tetap sangat kompetitif. Model seperti YOLOv8, EfficientDet, dan varian terbaru mencapai keseimbangan kecepatan-akurasi yang sangat baik yang belum sepenuhnya dicapai oleh metode berbasis himpunan dalam skenario waktu nyata.
Deteksi berbasis himpunan selalu membutuhkan transformator.
Sebagian besar detektor berbasis himpunan memang menggunakan arsitektur transformer, tetapi kerangka prediksi himpunan itu sendiri tidak bergantung pada arsitektur. Ide inti untuk memprediksi himpunan tak terurut dengan penugasan unik secara teoritis dapat diimplementasikan dengan arsitektur lain, meskipun transformer telah terbukti paling efektif dalam praktiknya.
Kotak jangkar bersifat arbitrer dan tidak terlalu memengaruhi kinerja model.
Desain titik acuan (anchor design) sangat memengaruhi kinerja detektor berbasis titik acuan. Pilihan mengenai skala, rasio aspek, dan ambang batas IoU untuk penugasan positif/negatif dapat mengubah mAP hingga beberapa poin persentase. Desain titik acuan yang buruk menyebabkan objek terlewatkan, terutama untuk bentuk atau skala yang tidak biasa.
Pilih deteksi objek berbasis himpunan ketika Anda membutuhkan alur kerja ujung-ke-ujung tanpa pasca-pemrosesan, sedang mengerjakan proyek penelitian, atau ingin memanfaatkan arsitektur transformer untuk penalaran global. Pilih deteksi berbasis jangkar ketika Anda membutuhkan model yang terbukti dan siap produksi dengan dukungan komunitas yang luas, pelatihan yang lebih cepat, dan perilaku yang dipahami dengan baik di berbagai skenario penerapan.
Adaptasi bahasa dalam AI berfokus pada pengajaran model untuk menangani bahasa tertentu melalui penyempurnaan dan pembelajaran transfer, sementara sistem AI yang tidak bergantung pada bahasa bertujuan untuk memproses bahasa apa pun tanpa pelatihan khusus bahasa. Kedua pendekatan tersebut mengatasi tantangan multibahasa tetapi berbeda secara mendasar dalam arsitektur, data pelatihan, dan penerapan di dunia nyata.
Perbandingan ini menganalisis pilihan strategis dalam pembelajaran mesin antara Adaptasi Domain, yang mentransfer pengetahuan dari lingkungan sumber berlabel ke lingkungan target yang berbeda, dan Pelatihan Dalam Domain, yang membangun model sepenuhnya berdasarkan data yang dikumpulkan dari pengaturan penerapan target yang tepat.
Agen AI berorientasi tugas dibangun untuk menyelesaikan alur kerja spesifik secara mandiri, sementara model bahasa tujuan umum berfungsi sebagai generator teks serbaguna yang merespons berbagai macam perintah. Memilih di antara keduanya bergantung pada apakah Anda membutuhkan eksekusi tugas yang andal atau kecerdasan percakapan yang fleksibel.
Agen AI otonom beroperasi secara independen dengan merencanakan, menalar, dan mengeksekusi tugas multi-langkah dengan masukan manusia minimal, sementara sistem AI berbasis perintah merespons instruksi pengguna individual satu interaksi pada satu waktu. Perbedaan utamanya terletak pada kemampuan bertindak: agen mengejar tujuan lintas sesi, sedangkan sistem berbasis perintah menunggu arahan.
Agen AI personal adalah sistem baru yang bertindak atas nama pengguna, membuat keputusan dan menyelesaikan tugas multi-langkah secara otonom, sementara alat SaaS tradisional bergantung pada alur kerja yang digerakkan pengguna dan antarmuka yang telah ditentukan sebelumnya. Perbedaan utamanya terletak pada otonomi, kemampuan beradaptasi, dan seberapa besar beban kognitif yang dialihkan dari pengguna ke perangkat lunak itu sendiri.
