Anchor Boxes

Gli anchor boxes sono rettangoli di riferimento predefiniti con specifiche proporzioni (aspect ratio) e scale che vengono posizionati su un'immagine per aiutare i modelli di object detection a individuare e classificare gli oggetti. Invece di chiedere a una rete neurale di prevedere da zero la dimensione esatta e la posizione di un oggetto — cosa che può risultare instabile a causa della grande varietà di forme degli oggetti —, il modello utilizza questi template fissi come punto di partenza. Imparando a prevedere quanto regolare, o "regredire", questi box iniziali per adattarli alla ground truth, il sistema può ottenere una convergenza più rapida e una maggiore accuratezza. Questa tecnica ha trasformato radicalmente il campo della computer vision (CV) semplificando il complesso compito della localizzazione in un problema di ottimizzazione più gestibile.

Il meccanismo delle Anchor Boxes#

Nei classici anchor-based detectors, l'immagine di input viene divisa in una griglia di celle. In corrispondenza di ciascuna cella, la rete genera più anchor boxes con geometrie diverse. Ad esempio, per rilevare contemporaneamente un pedone alto e un'auto larga, il modello potrebbe proporre un box alto e stretto e un box basso e largo nello stesso punto centrale.

Durante il model training, questi anchor vengono confrontati con gli oggetti reali utilizzando una metrica chiamata Intersection over Union (IoU). Gli anchor che si sovrappongono in modo significativo a un oggetto etichettato vengono designati come campioni "positivi". La rete impara quindi due compiti paralleli:

1. Classification: Assegna un punteggio di probabilità all'anchor, indicando la probabilità che contenga una classe specifica (ad esempio, "cane" o "bicicletta"). A tal fine si utilizzano obiettivi di supervised learning standard come la cross-entropy loss.

2. Box Regression: Calcola i valori di offset precisi (spostamenti delle coordinate e fattori di scala) necessari per trasformare l'anchor generico in un bounding box aderente.

Questo approccio consente al modello di gestire più oggetti di dimensioni diverse situati vicini tra loro, poiché ogni oggetto può essere assegnato all'anchor che meglio si adatta alla sua forma.

Applicazioni nel mondo reale#

Sebbene le nuove architetture si stiano spostando verso design anchor-free, le anchor boxes rimangono vitali in molti sistemi di produzione consolidati in cui le caratteristiche degli oggetti sono prevedibili.

• Retail and Inventory Management: Nelle AI-driven retail solutions, le telecamere monitorano le scorte sugli scaffali. Poiché prodotti come le scatole di cereali o le lattine di bibite hanno dimensioni standardizzate, gli anchor boxes possono essere calibrati su queste specifiche proporzioni. Questa conoscenza preliminare aiuta il modello a mantenere un elevato recall anche in ambienti disordinati.
• Autonomous Driving: Gli stack di percezione nei veicoli a guida autonoma (autonomous vehicles) si basano sul rilevamento di pedoni, veicoli e segnali stradali. Poiché un'auto vista da lontano ha un profilo di forma relativamente coerente rispetto alla strada, l'uso di anchor su misura per queste forme garantisce un solido object tracking e una stima precisa della distanza.

Anchor-Based vs. Anchor-Free#

È importante distinguere tra i metodi tradizionali basati su anchor e i moderni anchor-free detectors.

• Basato su anchor: I modelli come l'originale Faster R-CNN o le prime versioni di YOLO (ad esempio, Ultralytics YOLOv5) utilizzano questi template predefiniti. Sono robusti ma spesso richiedono la regolazione manuale degli iperparametri (dimensioni/rapporti delle anchor) o algoritmi di clustering come il clustering k-means per adattarsi a nuovi dataset.
• Anchor-Free: I modelli avanzati, tra cui YOLO26, utilizzano spesso approcci anchor-free o end-to-end. Queste reti prevedono direttamente i centri degli oggetti o i keypoint, eliminando la necessità di una configurazione manuale degli anchor. Ciò semplifica l'architettura e accelera l'inference eliminando il calcolo necessario per elaborare migliaia di anchor di sfondo vuoti.

Esempio: Accesso alle informazioni sulle Anchor#

Sebbene le moderne API di alto livello come Ultralytics Platform astraggano questi dettagli durante l'addestramento, comprendere gli anchor è utile quando si lavora con architetture di modelli meno recenti o quando si analizzano i file di configurazione dei modelli. Il seguente snippet dimostra come caricare un modello e ispezionarne la configurazione, dove le impostazioni degli anchor (se presenti) verrebbero tipicamente definite.

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.")

Sfide e considerazioni#

Sebbene efficaci, gli anchor boxes introducono complessità. Il vasto numero di anchor generati — spesso decine di migliaia per immagine — crea un problema di sbilanciamento delle classi, poiché la maggior parte degli anchor copre solo lo sfondo. Tecniche come Focal Loss vengono utilizzate per attenuare questo fenomeno riducendo il peso degli esempi di sfondo più semplici. Inoltre, l'output finale richiede solitamente il Non-Maximum Suppression (NMS) per filtrare i box sovrapposti ridondanti, assicurando che rimanga solo il rilevamento più sicuro per ciascun oggetto.