Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Come funziona il rilevamento oggetti
<a name="algo-object-detection-tech-notes"></a>

L'algoritmo di rilevamento oggetti identifica e individua tutte le istanze degli oggetti in un'immagine da una raccolta nota di categorie di oggetti. L'algoritmo accetta un'immagine come input e restituisce la categoria a cui appartiene l'oggetto, insieme a un punteggio di attendibilità che appartiene alla categoria. L'algoritmo prevede anche la posizione e la scala dell'oggetto con un riquadro di delimitazione rettangolare. Amazon SageMaker AI Object Detection utilizza l'algoritmo [Single Shot multibox Detector (SSD)](https://arxiv.org/pdf/1512.02325.pdf) che utilizza come rete di base una rete neurale convoluzionale (CNN) preaddestrata per l'attività di classificazione. SSD utilizza l'output dei livelli intermedi come caratteristiche per il rilevamento. 

Diverse CNNs , come [VGG](https://arxiv.org/pdf/1409.1556.pdf), hanno ottenuto ottime prestazioni nell'attività di classificazione delle immagini. [ResNet](https://arxiv.org/pdf/1603.05027.pdf) Il rilevamento di oggetti in Amazon SageMaker AI supporta sia VGG-16 che ResNet -50 come rete di base per SSD. L'algoritmo può essere addestrato in modalità completa o in modalità di trasferimento dell'apprendimento. Nella modalità di addestramento completo, la rete di base viene inizializzata con pesi casuali e preparata sui dati utente. In modalità di trasferimento dell'apprendimento, i pesi della rete di base sono caricati dai modelli già addestrati.

L'algoritmo di rilevamento degli oggetti utilizza operazioni di ottimizzazione dei dati standard, ad esempio capovolgimento, ridimensionamento e jitter in modo immediato internamente per evitare l'overfitting.