Cajas de anclaje

Los cuadros de anclaje son rectángulos de referencia predefinidos con proporciones y escalas específicas que se colocan en 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 el tamaño y la posición exactos de un objeto desde cero, lo que puede resultar inestable debido a la gran variedad de formas de los objetos , el modelo utiliza estas plantillas fijas como punto de partida. Al aprender a predecir cuánto ajustar, o «regresar», estos cuadros iniciales para que se ajusten a la realidad, el sistema puede lograr una convergencia más rápida y una mayor precisión. Esta técnica transformó fundamentalmente el campo de la visión por ordenador (CV) al simplificar la compleja tarea de la localización en un problema de optimización más manejable.

El mecanismo de las cajas de anclaje

En los detectores clásicos basados en anclajes, la imagen de entrada se divide en una cuadrícula de celdas. En cada ubicación de celda, la red genera múltiples cuadros de anclaje con diferentes geometrías. Por ejemplo, para detect simultáneamente detect peatón alto y un coche ancho, el modelo podría proponer un cuadro alto y estrecho y un cuadro corto y ancho en el mismo punto central.

During model training, these anchors are matched against actual objects using a metric called Intersection over Union (IoU). Anchors that overlap significantly with a labeled object are designated as "positive" samples. The network then learns two parallel tasks:

1. Clasificación: asigna una puntuación de probabilidad al ancla, indicando 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 cuadro: calcula los valores de desplazamiento precisos (cambios de coordenadas y factores de escala) necesarios para transformar el ancla genérica en un cuadro delimitador ajustado .

Este enfoque permite al modelo manejar múltiples objetos de diferentes tamaños situados cerca unos de otros, ya que cada objeto puede asignarse al ancla que mejor se adapte a su forma.

Aplicaciones en el mundo real

Aunque las arquitecturas más recientes se están orientando hacia diseños sin anclajes, las cajas de anclaje siguen siendo vitales en muchos sistemas de producción establecidos en los que las características de los objetos son predecibles.

• Gestión minorista y de inventario: En las soluciones minoristas impulsadas por IA, las cámaras supervisan el stock de las estanterías. Dado que 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 una alta capacidad de recuperación incluso en entornos desordenados.
• Conducción autónoma: Las pilas de percepción en los vehículos autónomos se basan en la detección de peatones, vehículos y señales de tráfico. Dado que un coche visto desde la distancia tiene 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.

Basado en anclajes frente a sin anclajes

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

• Basados en anclajes: Modelos como el Faster R-CNN original o YOLO primeras YOLO (por ejemplo, YOLOv5) utilizan estas plantillas predefinidas. Son robustos, pero a menudo requieren un ajuste manual de los hiperparámetros (tamaños/proporciones de los anclajes) o algoritmos de agrupación como la agrupación 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, lo que elimina la necesidad de configurar anclajes manualmente. Esto simplifica la arquitectura y acelera la inferencia al eliminar el cálculo necesario para procesar miles de anclajes de fondo vacíos.

Ejemplo: Acceso a la información de anclaje

Aunque las API modernas de alto nivel, como la Ultralytics , abstraen estos detalles durante el entrenamiento, comprender los anclajes resulta útil cuando se trabaja con arquitecturas de modelos más antiguas o se analizan archivos de configuración de modelos. El siguiente fragmento de código muestra cómo cargar un modelo e inspeccionar su configuración, donde normalmente se definirían los ajustes de anclaje (si los hubiera).

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 consideraciones

Aunque son eficaces, las cajas de anclaje introducen complejidad. La gran cantidad de anclajes generados, a menudo decenas de miles por imagen, crea un problema de desequilibrio de clases, ya que la mayoría de los anclajes solo cubren el fondo. Técnicas como Focal Loss se utilizan para mitigar esto restando peso a los ejemplos de fondo fáciles. Además, el resultado final suele requerir supresión no máxima (NMS) para filtrar los recuadros superpuestos redundantes, lo que garantiza que solo quede la detección más fiable para cada objeto.