Разница в точности локализации между Bounding Box и полигональной маской может достигать 15–25% mAP (mean Average Precision) в задачах с высокой плотностью объектов. Ошибка в выборе метода разметки ROI напрямую конвертируется в избыточный шум в градиентах при обучении, что замедляет сходимость модели и снижает точность сегментации границ.
Bounding Box: скорость против точности локализации
Прямоугольное выделение (BBox) остается стандартом для задач детектирования из-за низкой стоимости разметки: один объект обходится в $0.01–$0.05 в зависимости от сложности. Однако главный минус — включение в ROI фонового шума (background noise), который в среднем составляет от 10% до 40% площади окна, если объект имеет диагональную или сложную форму.
Кейс: при разметке автомобилей под углом 45° к камере, BBox захватывает значительные участки дороги и соседних зданий. Это приводит к тому, что модель начинает ассоциировать текстуру асфальта с признаками автомобиля, увеличивая количество ложноположительных срабатываний на 5–8% в реальных условиях.
Экспертный вывод: BBox допустим только для объектов с прямоугольной геометрией или когда точность границ не влияет на бизнес-логику приложения.
Полигональные маски и минимизация шума
Сегментация полигонами позволяет ограничить ROI фактическими границами объекта, исключая шум фона практически до нуля. Стоимость такой разметки в 5–10 раз выше, чем у BBox ($0.05–$0.50 за объект), так как требует простановки от 10 до 100 точек для одного контура. Это критично для медицинских снимков или дефектоскопии, где ошибка в 2-3 пикселя меняет диагноз или вердикт о браке детали.
Пример: при обучении модели на сегментацию опухолей в МРТ-снимках переход от BBox к полигонам повышает коэффициент Dice (метрика сходства масок) с 0.65 до 0.88. Это происходит за счет того, что нейросеть перестает «усреднять» признаки объекта и фона внутри одного окна.
Экспертный вывод: Полигоны обязательны, если задача требует определения площади, объема или точной формы объекта.
Ошибка локализации и влияние на IoU
Ключевым показателем здесь является Intersection over Union (IoU). В BBox-разметке порог IoU > 0.5 считается приемлемым, но в задачах высокой точности этого недостаточно. Использование полигонов позволяет добиться IoU > 0.9, что радикально снижает ошибку локализации. При этом важно учитывать качество самого датасета: если изображения для нейросетей имеют низкое разрешение, избыточная точность полигонов становится бесполезной из-за алиасинга (ступенчатости границ).
Мини-кейс: в проекте по распознаванию лиц в толпе переход на плотные полигоны (Dense Polygons) вместо квадратов снизил процент пересечения объектов (overlap error) на 12%, что позволило модели корректно разделять два лица, находящихся вплотную друг к другу.
Экспертный вывод: Бессмысленно использовать полигоны на изображениях с разрешением ниже 640px по короткой стороне — вы переплатите за разметку, не получив прироста в точности.
Сравнение ресурсов и времени итерации
Выбор метода ROI определяет цикл разработки. Подготовка корпуса из 10 000 BBox занимает около 2-3 рабочих дней одного разметчика. Аналогичный объем полигональных масок потребует 15-20 дней или найма целого агентства. Это создает конфликт между скоростью вывода MVP и качеством финального продукта.
Практика показывает, что гибридный подход (BBox для предварительного обучения + полигоны для файн-тюнинга на 10-15% выборки) сокращает затраты на разметку на 60% при сохранении 90-95% точности финальной модели. Это позволяет быстро проверить гипотезу, не тратя бюджет на избыточную детализацию всех кадров.
Экспертный вывод: Начинайте с BBox для валидации архитектуры, переходите к полигонам только после того, как mAP перестанет расти из-за ошибок локализации.
Вывод
Для задач классического детектирования (где важен сам факт наличия объекта) выбирайте Bounding Box — это экономически оправдано. Если же цель — сегментация, расчет площади или работа в условиях высокой плотности объектов, используйте полигональные маски, несмотря на рост стоимости разметки в 5-10 раз. Избегайте использования BBox в медицинских и промышленных задачах: шум фона в ROI здесь критически искажает веса модели. Оптимальный путь: гибридная разметка с постепенным уточнением ROI по мере роста точности модели.
Связанный обзор по теме — распознать текст с картинки: лучшие.