Anchor-Free Detectors

الكواشف الخالية من المراسي هي نماذج اكتشاف الكائنات التي تتنبأ بكل صندوق محيط مباشرةً انطلاقًا من نقطة على خريطة السمات، أو من النقاط المفتاحية مثل زوايا الكائن أو مركزه، دون مجموعة من صناديق المراسي المحددة مسبقًا. وتتنبأ نقطة قريبة من الكائن بالمسافات بينها وبين حوافه الأربع، أو تحدد قمة خريطة حرارية مركز الكائن، ثم تنحدر الشبكة عرض الكائن وارتفاعه. ويزيل ذلك أحجام المراسي ونسب أبعادها وعتبات مطابقة المراسي التي يتعين على الكواشف المعتمدة على المراسي ضبطها لكل مجموعة بيانات، وأصبحت الرؤوس الخالية من المراسي التصميم القياسي لـالاكتشاف الآني.

آلية عمل الاكتشاف الخالي من المراسي#

تنقسم الكواشف الخالية من المراسي إلى عائلتين:

• الكواشف المعتمدة على النقاط مثل FCOS: تُعد كل خلية في كل مستوى من مستويات خرائط السمات مرشحًا. ويتنبأ FCOS (2019) عند كل موضع داخل الكائن بدرجات الفئات وأربع مسافات إلى الحواف اليسرى والعليا واليمنى والسفلية، بالإضافة إلى درجة مركزية تقلل وزن الصناديق المتنبأ بها من نقاط بعيدة عن مركز الكائن.
• الكواشف المعتمدة على النقاط المفتاحية مثل CornerNet وCenterNet: يتنبأ CornerNet (2018) بخرائط حرارية للزاويتين العلوية اليسرى والسفلية اليمنى، ويقرن الزوايا التابعة للكائن نفسه باستخدام تضمينات متعلّمة. أما CenterNet فيتنبأ بخريطة حرارية لمراكز الكائنات، وينحدر العرض والارتفاع عند كل قمة، ويستخرج القمم بعملية تجميع أعظمي 3 × 3، لذا لا يحتاج إلى كبت غير الأقصى القائم على IoU (NMS).

سبق التنبؤ الخالي من المراسي استخدام المراسي أيضًا في سلسلة YOLO: فقد تنبأ YOLOv1 في 2015 بالصناديق مباشرةً من خلية الشبكة التي تحتوي مركز كل كائن، ورفع إضافة صناديق المراسي في YOLOv2 الاستدعاء من 81% إلى 88% مقابل كلفة قدرها 0.3 نقطة من mAP. وأعاد YOLOX التصميم الكثيف القائم على النقاط إلى YOLO في 2021، وانتقل Ultralytics من مراسي YOLOv5 إلى رأس خالٍ من المراسي في YOLOv8 عام 2023؛ لذا لم تعد مجموعات البيانات المخصصة بحاجة إلى خطوة ملاءمة المراسي، ويواصل YOLO26 هذا التصميم.

لا يتطلب فك ترميز تنبؤ كثيف خالٍ من المراسي سوى موضع الخلية والمسافات الأربع المتنبأ بها:

import torch

# Center of the grid cell at column 10, row 6 of a stride-16 feature map, in image pixels
stride = 16
point = (torch.tensor([10.0, 6.0]) + 0.5) * stride

# Distances the head predicts from that point to the left, top, right, and bottom box edges, in strides
ltrb = torch.tensor([2.0, 3.5, 1.5, 4.0]) * stride

# Anchor-free decoding: no template box, only the point and four distances
x1, y1 = point - ltrb[:2]
x2, y2 = point + ltrb[2:]
print(f"point {point.tolist()} -> box ({x1:.0f}, {y1:.0f}, {x2:.0f}, {y2:.0f})")

تصبح النقطة عند (168, 104) الصندوق (136, 48, 192, 168)، بعرض 56 بكسل وارتفاع 120 بكسل. ويطبق الرأس الكثيف فك الترميز هذا على كل خلية في كل مستوى من مستويات الهرم، فتنتج كل خلية صندوقًا مرشحًا واحدًا.

اختيار النقاط التي تتعلم منها الكائنات#

بما أنه لا توجد مراسٍ لمقارنتها بالصناديق الموسومة باستخدام التقاطع على الاتحاد (IoU)، يحتاج الكاشف الخالي من المراسي إلى قاعدة أخرى لتحديد النقاط التي تُعد عينات تدريب موجبة. ويستخدم FCOS الموضع والحجم: تكون النقطة موجبة إذا وقعت داخل صندوق موسوم وكانت أكبر مسافة بينها وبين حواف ذلك الصندوق ضمن نطاق مستوى الهرم الذي تنتمي إليه النقطة؛ من 0 إلى 64 بكسل في المستوى ذي الخطوة 8، ومن 64 إلى 128 في المستوى ذي الخطوة 16، وهكذا حتى الخطوة 128.

تختار الكواشف اللاحقة العينات الموجبة على نحو تكيّفي. وأظهر ATSS أن فجوة الدقة بين RetinaNet المعتمد على المراسي وFCOS الخالي من المراسي نتجت أساسًا عن اختلاف تعريف العينات الموجبة والسالبة، وأن توزيع عدة مراسٍ لكل موضع لم يحقق أي مكسب عند استخدام قاعدة أخذ العينات نفسها. ويرتب الإسناد المتوافق مع المهمة، الذي قدمه TOOD واعتمده PP-YOLOE والعديد من الكواشف الآنية اللاحقة، النقاط داخل كل كائن بحسب حاصل ضرب مرجح لـدرجة الفئة وقيمة IoU للصندوق، ويحتفظ بأعلى عدد قليل منها بوصفها عينات موجبة.

الكواشف الخالية من المراسي والمعتمدة على المراسي#

• معلمات فائقة أقل: لا حاجة إلى ملاءمة أحجام المراسي أو نسب أبعادها أو عتبات مطابقة IoU لكل مجموعة بيانات؛ وهي خطوة تتولاها الكواشف المعتمدة على المراسي غالبًا بتجميع صناديق التدريب باستخدام k-means.
• مرونة الأشكال: يعتمد الإسناد القائم على النقاط على موضع الكائن فقط، لذا يحصل الكائن الذي لا يشبه شكله أي مرساة، مثل أنبوب طويل رفيع، على عينات موجبة أيضًا.
• مصطلحات مشتركة: لا تزال العديد من قواعد الشيفرة للكواشف الخالية من المراسي تسمي نقاط الشبكة «نقاط المراسي»، ويُقصد بها موضع لا حجم له ولا نسبة أبعاد.
• تنبؤات أقل: يتنبأ كل موضع بصندوق واحد بدلًا من صندوق لكل شكل مرساة، لذا يتعامل فك الترميز وNMS مع عدد من المرشحات يقل عدة مرات؛ إذ تنتج المراسي التسع لكل موضع في RetinaNet نحو 100,000 مرشح لكل صورة.