Anchor-Based Detectors

Los detectores basados en anclas son una clase fundamental de modelos de object detection en visión por ordenador que utilizan un conjunto de cajas delimitadoras predefinidas para localizar y clasificar objetos. En lugar de intentar predecir las coordenadas de un objeto desde cero, estos sistemas comienzan con plantillas de referencia fijas conocidas como anchor boxes. La red neuronal se entrena entonces para determinar cuál de estas plantillas coincide mejor con un objeto en la imagen y para calcular los desplazamientos específicos (ajustes en posición y tamaño) necesarios para alinear perfectamente el ancla con el objetivo. Este enfoque transforma el difícil problema de la predicción arbitraria de coordenadas en una tarea de regresión más estable, lo que supuso un avance clave en el desarrollo de las primeras arquitecturas de deep learning (DL) como Faster R-CNN y SSD.

Link to this sectionCómo funcionan los mecanismos basados en anclas#

La operación central de un detector basado en anclas gira en torno a la división de la imagen de entrada en una cuadrícula densa. En cada celda de esta cuadrícula, el modelo genera múltiples cajas de anclaje con diferentes escalas y aspect ratios para tener en cuenta las diferentes formas de los objetos, como peatones altos o vehículos anchos. A medida que los datos de la imagen pasan a través del backbone del modelo, la red extrae características ricas para realizar dos tareas simultáneas:

1. Clasificación: El modelo asigna una puntuación de probabilidad a cada ancla, prediciendo si contiene una clase específica de objeto (p. ej., "coche", "perro") o si es simplemente ruido de fondo.

2. Regresión de cajas: Para las anclas identificadas como contenedoras de un objeto, la red predice factores de corrección para refinar las coordenadas x, y del centro, la anchura y la altura del ancla, lo que resulta en una bounding box ajustada.

Durante el model training, estos detectores utilizan una métrica llamada Intersection over Union (IoU) para emparejar las anclas predefinidas con las etiquetas de ground truth proporcionadas en el conjunto de datos. Las anclas con una alta superposición se tratan como muestras positivas. Dado que este proceso genera miles de posibles detecciones, durante la inferencia se aplica un algoritmo de filtrado conocido como Non-Maximum Suppression (NMS) para eliminar cajas redundantes y conservar solo la predicción más precisa para cada objeto.

Link to this sectionComparación con detectores sin anclas#

Aunque los métodos basados en anclas establecieron el estándar durante años, el campo ha evolucionado hacia los anchor-free detectors. Comprender la distinción es vital para los profesionales modernos.

• Basado en anclas: Modelos como YOLOv5 y el original RetinaNet dependen de la configuración manual o de algoritmos de agrupación como k-means clustering para determinar los mejores tamaños de ancla para un conjunto de datos. Esto ofrece estabilidad, pero puede ser rígido si los objetos varían mucho en forma.
• Sin anclas (Anchor-Free): Las arquitecturas modernas, incluyendo YOLO26, a menudo eliminan la etapa de anclaje por completo. Predicen los centros y tamaños de los objetos directamente desde los píxeles del mapa de características, reduciendo la carga computacional y simplificando la búsqueda de hiperparámetros. Este enfoque "de extremo a extremo" es generalmente más rápido y fácil de entrenar con datos diversos.

Link to this sectionAplicaciones en el mundo real#

La lógica basada en anclas sigue siendo relevante en muchos sistemas de producción heredados y especializados donde las formas de los objetos son predecibles y consistentes.

• Monitorización de tráfico: En los sistemas de transporte inteligentes, las cámaras detectan vehículos para gestionar el flujo o identificar infracciones. Dado que los coches y camiones tienen dimensiones estandarizadas, los modelos basados en anclas pueden ajustarse con priores específicos para maximizar la precision and recall.
• Automatización minorista: Los sistemas de pago automatizados utilizan computer vision para identificar productos. Dado que los productos envasados como las cajas de cereales mantienen una relación de aspecto fija, las anclas proporcionan un prior fuerte para la red, ayudándola a distinguir entre artículos de aspecto similar en una escena desordenada.

Link to this sectionEjemplo de implementación#

Aunque los últimos modelos YOLO26 utilizan cabezales sin anclas para un rendimiento superior, la interfaz para ejecutar la detección sigue siendo consistente. La Ultralytics Platform y la API de Python abstraen la complejidad de si un modelo utiliza anclas o puntos centrales, permitiendo a los usuarios centrarse en los resultados.

Aquí tienes cómo cargar un modelo y ejecutar la inferencia para detectar objetos, un flujo de trabajo que se aplica independientemente de la arquitectura de anclaje subyacente:

from ultralytics import YOLO

# Load the YOLO26 model (optimized for speed and accuracy)
model = YOLO("yolo26n.pt")

# Run inference on an image source
# The model handles internal logic (anchor-based or anchor-free) automatically
results = model.predict("https://ultralytics.com/images/bus.jpg")

# Display the first result with bounding boxes
results[0].show()

Link to this sectionLecturas adicionales#

Para profundizar en tu comprensión de los mecanismos de detección, explora la investigación fundamental sobre Faster R-CNN que introdujo la Region Proposal Network (RPN), o lee sobre el Single Shot MultiBox Detector (SSD), que optimizó la detección basada en anclas para la velocidad. Para una visión más amplia del campo, el COCO dataset sirve como el estándar de referencia para evaluar modelos tanto basados en anclas como sin anclas. Además, los cursos avanzados en Coursera suelen cubrir los detalles matemáticos de la regresión de cajas y el emparejamiento de anclas.