Anchor Boxes

Les boîtes d'ancrage sont des rectangles de référence prédéfinis, avec des rapports d'aspect et des échelles spécifiques, placés sur une image pour aider les modèles de détection d'objets à localiser et classifier ces derniers. 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 modèles fixes comme point de départ. En apprenant à prédire dans quelle mesure ajuster, ou « régresser », ces boîtes initiales pour correspondre à la vérité terrain, le système peut atteindre une convergence plus rapide et une meilleure précision. Cette technique a fondamentalement transformé le domaine de la vision par ordinateur (CV) en simplifiant la tâche complexe de localisation en un problème d'optimisation plus gérable.

Link to this sectionLe mécanisme des boîtes d'ancrage#

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

Lors de 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 chevauchent significativement 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 « vélo »). Cela utilise des objectifs d'apprentissage supervisé standards comme la perte d'entropie croisée.

2. Régression de boîte : Il calcule les valeurs de décalage précises (déplacements de coordonnées et facteurs d'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.

Link to this sectionApplications 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 basées sur l'IA, des caméras surveillent les stocks en rayon. Comme les produits tels que les boîtes de céréales ou les canettes de soda ont des dimensions standardisées, les boîtes d'ancrage peuvent être ajustées à ces rapports d'aspect spécifiques. Ces connaissances préalables aident 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 à distance a un profil de forme relativement cohérent par rapport à la route, l'utilisation d'ancres adaptées à ces formes assure un suivi d'objet et une estimation de distance robustes.

Link to this sectionBasé sur les ancres vs sans ancres#

Il est important de faire la distinction entre les méthodes traditionnelles basées sur les ancres et les détecteurs sans ancres modernes.

• Basé sur les ancres : Des modèles comme le Faster R-CNN original ou les premières versions de YOLO (par ex., YOLOv5) utilisent ces modèles prédéfinis. Ils sont robustes mais nécessitent souvent un réglage manuel des hyperparamètres (tailles/rapports d'ancres) ou des algorithmes de regroupement comme le k-means clustering 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 d'arrière-plan vides.

Link to this sectionExemple : Accéder aux informations d'ancrage#

Bien que les API de haut niveau modernes comme la Plateforme Ultralytics abstraient ces détails lors de l'entraînement, comprendre les ancres est utile lorsque tu travailles avec des architectures de modèles plus anciennes ou que tu analyses des fichiers de configuration de modèles. L'extrait suivant montre comment charger un modèle et inspecter sa configuration, là où les paramètres d'ancrage (s'ils sont présents) 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.")

Link to this sectionDéfis et considérations#

Bien qu'efficaces, les boîtes d'ancrage introduisent de la complexité. Le grand nombre 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 comme 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-maximaux (NMS) pour filtrer les boîtes superposées redondantes, garantissant que seule la détection la plus confiante reste pour chaque objet.