Anchor-Based Detectors

Les détecteurs basés sur des ancres constituent une classe fondamentale de modèles de détection d'objets en vision par ordinateur qui utilisent un ensemble de boîtes englobantes prédéfinies pour localiser et classifier les objets. Au lieu d'essayer de prédire les coordonnées d'un objet à partir d'une page blanche, ces systèmes commencent avec des modèles de référence fixes connus sous le nom de boîtes d'ancrage. Le réseau de neurones est ensuite entraîné pour déterminer lequel de ces modèles correspond le mieux à un objet dans l'image et pour calculer les décalages spécifiques — ajustements de position et de taille — nécessaires pour aligner parfaitement l'ancre avec la cible. Cette approche transforme le problème difficile de la prédiction de coordonnées arbitraires en une tâche de régression plus stable, ce qui a constitué une percée clé dans le développement des premières architectures d'apprentissage profond (DL) comme Faster R-CNN et SSD.

Comment fonctionnent les mécanismes basés sur des ancres#

L'opération centrale d'un détecteur basé sur des ancres consiste à diviser l'image d'entrée en une grille dense. À chaque cellule de cette grille, le modèle génère plusieurs boîtes d'ancrage avec des échelles et des rapports d'aspect variés pour tenir compte des différentes formes d'objets, tels que des piétons grands ou des véhicules larges. Au fur et à mesure que les données de l'image traversent le tronc (backbone) du modèle, le réseau extrait des caractéristiques riches pour effectuer deux tâches simultanées :

1. Classification : Le modèle attribue un score de probabilité à chaque ancre, prédisant si elle contient une classe spécifique d'objet (par exemple, "voiture", "chien") ou s'il s'agit simplement de bruit de fond.

2. Régression de boîte : Pour les ancres identifiées comme contenant un objet, le réseau prédit des facteurs de correction pour affiner les coordonnées x, y du centre, la largeur et la hauteur de l'ancre, ce qui donne une boîte englobante serrée.

Pendant l'entraînement du modèle, ces détecteurs utilisent une métrique appelée Intersection sur Union (IoU) pour faire correspondre les ancres prédéfinies avec les étiquettes de vérité terrain (ground truth) fournies dans le jeu de données. Les ancres présentant un fort chevauchement sont traitées comme des échantillons positifs. Étant donné que ce processus génère des milliers de détections potentielles, un algorithme de filtrage appelé Suppression Non-Maximale (NMS) est appliqué lors de l'inférence pour éliminer les boîtes redondantes et ne conserver que la prédiction la plus précise pour chaque objet.

Comparaison avec les détecteurs sans ancres (anchor-free)#

Bien que les méthodes basées sur des ancres aient établi la norme pendant des années, le domaine a évolué vers les détecteurs sans ancres (anchor-free). Comprendre la distinction est essentiel pour les praticiens modernes.

• Basé sur des ancres : Des modèles tels que YOLOv5 et le RetinaNet d'origine s'appuient sur une configuration manuelle ou des algorithmes de clustering comme le clustering k-means pour déterminer les meilleures tailles d'ancres pour un jeu de données. Cela offre de la stabilité mais peut s'avérer rigide si les objets varient considérablement en forme.
• Sans ancres (Anchor-Free) : Les architectures modernes, y compris YOLO26, suppriment souvent complètement l'étape des ancres. Elles prédisent les centres et les tailles des objets directement à partir des pixels de la carte de caractéristiques, réduisant ainsi la surcharge de calcul et simplifiant la recherche d'hyperparamètres. Cette approche « de bout en bout » est généralement plus rapide et plus facile à entraîner sur des données diverses.

Applications concrètes#

La logique basée sur des ancres reste pertinente dans de nombreux systèmes de production hérités et spécialisés où les formes des objets sont prévisibles et cohérentes.

• Surveillance du trafic : Dans les systèmes de transport intelligent, les caméras détectent les véhicules pour gérer le flux ou identifier les infractions. Étant donné que les voitures et les camions ont des dimensions normalisées, les modèles basés sur des ancres peuvent être ajustés avec des a priori spécifiques pour maximiser la précision et le rappel.
• Automatisation de la vente au détail : Les systèmes de caisse automatisés utilisent la vision par ordinateur pour identifier les produits. Étant donné que les produits emballés comme les boîtes de céréales conservent un rapport d'aspect fixe, les ancres fournissent un a priori fort pour le réseau, l'aidant à distinguer les articles d'apparence similaire dans une scène encombrée.

Exemple d'implémentation#

Bien que les derniers modèles YOLO26 utilisent des têtes sans ancres pour des performances supérieures, l'interface pour exécuter la détection reste cohérente. La plateforme Ultralytics et l'API Python font abstraction de la complexité de savoir si un modèle utilise des ancres ou des points centraux, permettant aux utilisateurs de se concentrer sur les résultats.

Voici comment charger un modèle et exécuter une inférence pour détecter des objets, un flux de travail qui s'applique quelle que soit l'architecture d'ancrage sous-jacente :

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()

Pour aller plus loin#

Pour approfondir ta compréhension des mécanismes de détection, explore la recherche fondamentale sur Faster R-CNN qui a introduit le réseau de proposition de région (RPN), ou lis des articles sur le détecteur multibox à coup unique (SSD), qui a optimisé la détection basée sur des ancres pour la vitesse. Pour une vue plus large du domaine, le jeu de données COCO sert de référence standard pour évaluer les modèles basés sur des ancres et sans ancres. De plus, les cours avancés sur Coursera couvrent souvent les détails mathématiques de la régression de boîte et de l'appariement d'anchres.