Anchor Boxes

Les ancres de boîte (anchor boxes) sont des rectangles de référence prédéfinis avec des rapports de format et des échelles spécifiques, placés sur une image pour aider les modèles de détection d'objets à localiser et à classifier ces objets. Plutôt que de demander à un réseau de neurones de prédire la taille et la position exactes d'un objet à partir de zéro — ce qui peut être instable en raison de la grande variété de formes d'objets —, le modèle utilise ces gabarits fixes comme point de départ. En apprenant à prédire dans quelle mesure il faut ajuster, ou « régresser », ces boîtes initiales pour qu'elles correspondent à la vérité terrain (ground truth), le système peut obtenir une convergence plus rapide et une plus grande précision. Cette technique a fondamentalement transformé le domaine de la vision par ordinateur (CV) en simplifiant la tâche complexe de la localisation en un problème d'optimisation plus gérable.

Le mécanisme des boîtes d'ancrage#

Dans les détecteurs basés sur des ancres classiques, l'image d'entrée est divisée en une grille de cellules. À l'emplacement de chaque cellule, le réseau génère plusieurs ancres de boîte avec des géométries différentes. Par exemple, pour détecter simultanément un piéton grand et étroit et une voiture large, le modèle peut proposer une boîte haute et étroite et une boîte courte et large au même point central.

Pendant l'entraînement du modèle, ces ancres sont comparées aux objets réels à l'aide d'une métrique appelée Intersection sur Union (IoU). Les ancres qui se chevauchent de manière significative avec un objet étiqueté sont désignées comme des échantillons « positifs ». Le réseau apprend ensuite deux tâches parallèles :

1. Classification : Il attribue un score de probabilité à l'ancre, indiquant la probabilité qu'elle contienne une classe spécifique (par exemple, « chien » ou « bicyclette »). Cela utilise des objectifs d'apprentissage supervisé standard comme la perte d'entropie croisée.

2. Régression de boîte : Il calcule les valeurs de décalage précises (déplacements de coordonnées et facteurs de mise à l'échelle) nécessaires pour transformer l'ancre générique en une boîte englobante parfaitement ajustée.

Cette approche permet au modèle de gérer plusieurs objets de tailles différentes situés les uns à côté des autres, car chaque objet peut être affecté à l'ancre qui correspond le mieux à sa forme.

Applications concrètes#

Bien que les architectures plus récentes s'orientent vers des conceptions sans ancres, les boîtes d'ancrage restent essentielles dans de nombreux systèmes de production établis où les caractéristiques des objets sont prévisibles.

• Commerce de détail et gestion des stocks : Dans les solutions de vente au détail pilotées par l'IA, des caméras surveillent les stocks des étagères. Étant donné que des produits tels que les boîtes de céréales ou les canettes de soda ont des dimensions standardisées, les ancres de boîte peuvent être ajustées à ces rapports de format spécifiques. Cette connaissance préalable aide le modèle à maintenir un rappel élevé même dans des environnements encombrés.
• Conduite autonome : Les piles de perception dans les véhicules autonomes reposent sur la détection des piétons, des véhicules et des panneaux de signalisation. Parce qu'une voiture vue de loin a un profil de forme relativement cohérent par rapport à la route, l'utilisation d'ancres adaptées à ces formes garantit un suivi d'objets et une estimation de la distance robustes.

Basé sur les ancres vs sans ancres#

Il est important de distinguer les méthodes traditionnelles basées sur des ancres et les détecteurs sans ancres modernes.

• Basé sur des ancres : Des modèles tels que le Faster R-CNN d'origine ou les premières versions de YOLO (par exemple, YOLOv5) utilisent ces gabarits prédéfinis. Ils sont robustes mais nécessitent souvent un réglage manuel des hyperparamètres (tailles/rapports des ancres) ou des algorithmes de clustering tels que le clustering k-means pour s'adapter à de nouveaux jeux de données.
• Sans ancres : Les modèles avancés, y compris YOLO26, emploient souvent des approches sans ancres ou de bout en bout. Ces réseaux prédisent directement les centres d'objets ou les points clés, supprimant le besoin de configuration manuelle des ancres. Cela simplifie l'architecture et accélère l'inférence en éliminant le calcul requis pour traiter des milliers d'ancres de fond vides.

Exemple : Accéder aux informations d'ancrage#

Bien que les API de haut niveau modernes telles que la plateforme Ultralytics occultent ces détails pendant l'entraînement, comprendre les ancres est utile lorsque l'on travaille avec des architectures de modèles plus anciennes ou que l'on analyse des fichiers de configuration de modèles. L'extrait suivant montre comment charger un modèle et inspecter sa configuration, où les paramètres des ancres (le cas échéant) seraient généralement définis.

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.")

Défis et considérations#

Bien qu'efficaces, les ancres de boîte introduisent de la complexité. Le nombre gigantesque d'ancres générées — souvent des dizaines de milliers par image — crée un problème de déséquilibre des classes, car la plupart des ancres ne couvrent que l'arrière-plan. Des techniques telles que la Focal Loss sont utilisées pour atténuer cela en pondérant à la baisse les exemples d'arrière-plan faciles. De plus, la sortie finale nécessite généralement une suppression des non-maximales (NMS) pour filtrer les boîtes superflues qui se chevauchent, garantissant ainsi qu'il ne reste que la détection la plus confiante pour chaque objet.