Anchor-Based Detectors

Los detectores basados en anclajes son una clase fundamental de modelos de object detection en visión por ordenador que utilizan un conjunto de cuadros delimitadores predefinidos 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. A continuación, se entrena a la red neuronal para determinar cuál de estas plantillas coincide mejor con un objeto de la imagen y para calcular los desplazamientos específicos (ajustes de posición y tamaño) necesarios para alinear el anclaje perfectamente con el objetivo. Este enfoque transforma el difícil problema de la predicción de coordenadas arbitrarias 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.

Cómo funcionan los mecanismos basados en anclas#

La operación central de un detector basado en anclajes 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 anchor boxes con diferentes escalas y aspect ratios para tener en cuenta distintas formas de 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 enriquecidas 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 cuadros: Para los anclajes identificados como contenedores de un objeto, la red predice factores de corrección para refinar las coordenadas del centro x, y, la anchura y la altura del anclaje, lo que da como resultado un bounding box ajustado.

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

Comparación con detectores sin anclas#

Aunque los métodos basados en anclajes 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 anclajes: Modelos como YOLOv5 y el RetinaNet original dependen de la configuración manual o de algoritmos de agrupación como k-means clustering para determinar los mejores tamaños de anclaje para un conjunto de datos. Esto ofrece estabilidad, pero puede ser rígido si los objetos varían enormemente de forma.
• Sin anclajes: Las arquitecturas modernas, incluido YOLO26, a menudo eliminan por completo la etapa de anclaje. Predicen los centros y tamaños de los objetos directamente a partir de los píxeles del mapa de características, lo que reduce la carga computacional y simplifica la búsqueda de hiperparámetros. Este enfoque de extremo a extremo es generalmente más rápido y fácil de entrenar con datos diversos.

Aplicaciones 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.

• Supervisión de tráfico: En los sistemas de transporte inteligente, las cámaras detectan vehículos para gestionar el flujo o identificar infracciones. Dado que los coches y los camiones tienen dimensiones estandarizadas, los modelos basados en anclajes se pueden ajustar con priors específicos para maximizar la precision and recall.
• Automatización minorista: Los sistemas de pago automatizados utilizan computer vision para identificar productos. Dado que los bienes envasados como las cajas de cereales mantienen un relation de aspecto fija, los anclajes proporcionan un prior sólido para la red, lo que la ayuda a distinguir entre elementos de aspecto similar en una escena abarrotada.

Ejemplo de implementación#

Aunque los últimos modelos YOLO26 utilizan cabezas sin anclajes para un rendimiento superior, la interfaz para ejecutar la detección sigue siendo coherente. La Ultralytics Platform y la API de Python abstraen la complejidad de si un modelo utiliza anclajes o puntos centrales, lo que permite 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()

Lecturas adicionales#

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