Anchor Boxes

Las cajas de anclaje son rectángulos de referencia predefinidos, con relaciones de aspecto y escalas específicas, que se colocan por toda una imagen para ayudar a los modelos de detección de objetos a localizar y clasificar objetos. En lugar de pedir a una red neuronal que prediga desde cero el tamaño y la posición exactos de un objeto —lo que puede resultar inestable debido a la enorme variedad de formas de los objetos—, el modelo utiliza estas plantillas fijas como punto de partida. Al aprender a predecir cuánto debe ajustar, o «regresionar», estas cajas iniciales para adaptarlas a los valores reales, el sistema puede lograr una convergencia más rápida y una mayor precisión. Esta técnica transformó fundamentalmente el campo de la visión artificial (CV) al simplificar la compleja tarea de localización y convertirla en un problema de optimización más manejable.

El mecanismo de las cajas de anclaje#

En los detectores basados en anclajes clásicos, la imagen de entrada se divide en una cuadrícula de celdas. En cada posición de la cuadrícula, la red genera varias cajas de anclaje con geometrías diferentes. Por ejemplo, para detectar simultáneamente a un peatón alto y a un coche ancho, el modelo podría proponer una caja alta y estrecha, y otra baja y ancha, en el mismo punto central.

Durante el entrenamiento del modelo, estos anclajes se comparan con los objetos reales mediante una métrica denominada Intersección sobre Unión (IoU). Los anclajes que se solapan significativamente con un objeto etiquetado se designan como muestras «positivas». A continuación, la red aprende dos tareas en paralelo:

1. Clasificación: Asigna una puntuación de probabilidad al anclaje, que indica la probabilidad de que contenga una clase específica (por ejemplo, «perro» o «bicicleta»). Para ello, utiliza objetivos de aprendizaje supervisado estándar, como la pérdida de entropía cruzada.

2. Regresión de cajas: Calcula los valores de desplazamiento precisos (cambios de coordenadas y factores de escala) necesarios para transformar el anclaje genérico en una caja delimitadora que se ajuste estrechamente al objeto.

Este enfoque permite al modelo gestionar varios objetos de distintos tamaños situados cerca unos de otros, ya que cada objeto puede asignarse al anclaje que mejor coincida con su forma.

Aplicaciones en el mundo real#

Aunque las arquitecturas más recientes están avanzando hacia diseños sin anclajes, las cajas de anclaje siguen siendo esenciales en muchos sistemas de producción consolidados en los que las características de los objetos son predecibles.

• Venta minorista y gestión de inventario: En las soluciones de venta minorista basadas en IA, las cámaras supervisan las existencias de las estanterías. Como productos como las cajas de cereales o las latas de refresco tienen dimensiones estandarizadas, las cajas de anclaje pueden ajustarse a estas relaciones de aspecto específicas. Este conocimiento previo ayuda al modelo a mantener un recall alto incluso en entornos saturados.
• Conducción autónoma: Los sistemas de percepción de los vehículos autónomos dependen de la detección de peatones, vehículos y señales de tráfico. Como un coche visto desde lejos presenta un perfil de forma relativamente constante en comparación con la carretera, el uso de anclajes adaptados a estas formas garantiza un seguimiento de objetos y una estimación de la distancia robustos.

Basados en anclajes frente a sin anclajes#

Es importante distinguir entre los métodos tradicionales basados en anclajes y los detectores sin anclajes modernos.

• Basados en anclajes: Los modelos como el Faster R-CNN original o las primeras versiones de YOLO (por ejemplo, Ultralytics YOLOv5) utilizan estas plantillas predefinidas. Son robustos, pero a menudo requieren ajustar manualmente los hiperparámetros (tamaños y relaciones de aspecto de los anclajes) o utilizar algoritmos de agrupamiento como el agrupamiento k-means para adaptarse a nuevos conjuntos de datos.
• Sin anclajes: Los modelos avanzados, incluido YOLO26, suelen emplear enfoques sin anclajes o de extremo a extremo. Estas redes predicen directamente los centros de los objetos o los puntos clave, eliminando la necesidad de configurar anclajes manualmente. Esto simplifica la arquitectura y acelera la inferencia al eliminar el cálculo necesario para procesar miles de anclajes vacíos del fondo.

Ejemplo: acceso a la información de los anclajes#

Aunque las API de alto nivel modernas, como Ultralytics Platform, abstraen estos detalles durante el entrenamiento, comprender los anclajes resulta útil al trabajar con arquitecturas de modelos antiguas o analizar archivos de configuración de modelos. El siguiente fragmento muestra cómo cargar un modelo e inspeccionar su configuración, donde normalmente se definirían los ajustes de los anclajes, si están presentes.

from ultralytics import YOLO

# Load a pre-trained YOLO model (YOLO26 is anchor-free, but legacy configs act similarly)
model = YOLO("yolo26n.pt")

# Inspect the model's stride, which relates to grid cell sizing in detection
print(f"Model strides: {model.model.stride}")

# For older anchor-based models, anchors might be stored in the model's attributes
# Modern anchor-free models calculate targets dynamically without fixed boxes
if hasattr(model.model, "anchors"):
    print(f"Anchors: {model.model.anchors}")
else:
    print("This model architecture is anchor-free.")

Desafíos y aspectos que debes tener en cuenta#

Aunque son eficaces, las cajas de anclaje introducen complejidad. La enorme cantidad de anclajes generados —a menudo decenas de miles por imagen— crea un problema de desequilibrio entre clases, ya que la mayoría de los anclajes solo cubren el fondo. Se utilizan técnicas como Focal Loss para mitigar este problema reduciendo el peso de los ejemplos sencillos del fondo. Además, la salida final normalmente requiere supresión de no máximos (NMS) para filtrar las cajas solapadas redundantes y garantizar que solo permanezca la detección con mayor confianza de cada objeto.