Ultralytics YOLO11がアンカーフリー検出器であることのメリット

Vision AIモデルの歴史を振り返ると、画像や動画内の物体を識別して位置を特定する、コンピュータビジョンの中核的なタスクである物体検出の概念は、1960年代から存在していました。しかし、現在の最先端イノベーションにおいて物体検出が重要である主な理由は、それ以降、物体検出技術とモデルアーキテクチャが進化し、急速に改善されてきたことです。

以前の記事では、物体検出の進化と、Ultralytics YOLOモデルへとつながる道のりについて説明しました。今回は、この歩みにおけるより具体的なマイルストーン、つまりアンカーベース検出器からアンカーフリー検出器への移行について詳しく見ていきます。

アンカーベース検出器は、「アンカー」と呼ばれる事前定義ボックスに依存して、画像内の物体の位置を予測します。一方、アンカーフリー検出器は、これらの事前定義ボックスを使用せず、物体の位置を直接予測します。

この移行は単純で論理的な変更に見えるかもしれませんが、実際には物体検出の精度と効率に大きな改善をもたらしました。この記事では、Ultralytics YOLO11などの進歩によって、アンカーフリー検出器がコンピュータビジョンをどのように変革したのかを説明します。

アンカーベース検出器とは何ですか？#

アンカーベース検出器は、アンカーと呼ばれる事前定義ボックスを使用して、画像内の物体の位置特定を支援します。これらのアンカーは、画像上に配置された、サイズや形状の異なるボックスのグリッドだと考えることができます。モデルはその後、検出した物体に合うようにこれらのボックスを調整します。例えば、モデルが車を識別すると、車の位置とサイズにより正確に一致するようにアンカーボックスを変更します。

各アンカーは画像内に存在する可能性のある物体に関連付けられており、学習中にモデルは、物体の位置、サイズ、アスペクト比により適合するようアンカーボックスを調整する方法を学習します。これにより、モデルはさまざまなスケールや向きの物体を検出できます。ただし、適切なアンカーボックスのセットを選択するには時間がかかる場合があり、微調整のプロセスではエラーが発生しやすくなります。

図1 アンカーボックスとは何ですか？

YOLOv4のようなアンカーベース検出器は多くの用途で優れた性能を発揮してきましたが、いくつかの欠点もあります。例えば、アンカーボックスは異なる形状やサイズの物体に常にうまく適合するとは限らず、小さい物体や不規則な形状の物体をモデルが検出しにくくなることがあります。アンカーボックスのサイズを選択して微調整するプロセスにも時間がかかり、多くの手作業が必要です。さらに、事前定義されたボックスがより複雑な状況にうまく適応できない場合があるため、アンカーベースモデルは遮蔽された物体や重なり合った物体の検出に苦労することがよくあります。

アンカーフリー物体検出への移行#

アンカーフリー検出器は、事前定義されたアンカーボックスを不要にする新しい物体検出アプローチを採用したCornerNetやCenterNetなどのモデルによって、2018年に注目を集め始めました。物体の位置を予測するためにサイズや形状の異なるアンカーボックスに依存する従来のモデルとは異なり、アンカーフリーモデルは物体の位置を直接予測します。物体の中心などのキーポイントや特徴に焦点を当てることで、検出プロセスを簡素化し、より高速かつ高精度にします。

アンカーフリーモデルは、一般的に次のように動作します。

• キーポイント検出：事前定義されたボックスを使用する代わりに、物体の中心や特定の角など、重要な点を識別するモデルがあります。これらのキーポイントにより、モデルは物体の位置とサイズを把握できます。
• 中心の予測：物体の中心の予測に焦点を当てるモデルがあります。中心が特定されると、モデルはそこから物体全体のサイズと位置を予測できます。
• ヒートマップ回帰：多くのアンカーフリーモデルはヒートマップを使用します。各ピクセルが物体の存在し得る位置を表します。ヒートマップの値が大きいほど、その地点に物体が存在する信頼度が高いことを示します。

図2 アンカーベース検出とアンカーフリー検出の比較

アンカーフリーモデルはアンカーボックスに依存しないため、設計がよりシンプルです。これにより、計算効率が向上します。複数のアンカーボックスを処理する必要がないため、物体をより高速に検出できます。これは、自動運転やビデオ監視などのリアルタイムアプリケーションにおいて重要なメリットです。

アンカーフリーモデルは、小さい物体、不規則な物体、遮蔽された物体への対応にも優れています。アンカーボックスに適合させるのではなく、キーポイントの検出に焦点を当てるため、柔軟性が大幅に向上します。これにより、アンカーベースモデルでは失敗する可能性がある、雑然とした環境や複雑な環境でも物体を正確に検出できます。

Ultralytics YOLO11：アンカーフリー検出器#

速度と効率を重視して設計されたYOLOモデルは、アンカーベースの手法からアンカーフリー検出へと徐々に移行してきました。これにより、Ultralytics YOLO11などのモデルは、より高速で柔軟になり、幅広いリアルタイムアプリケーションに適するようになりました。

さまざまなYOLOバージョンでアンカーフリー設計がどのように進化してきたのか、簡単に見てみましょう。

• Ultralytics YOLOv5u：アンカーフリー・スプリット Ultralytics ヘッドを導入し、事前定義されたアンカーボックスを不要にしました。代わりに、モデルは画像内の物体の位置を直接予測するため、プロセスが簡素化され、柔軟性と速度が向上します。
• YOLOv6：アンカーは学習中にのみ使用する、アンカー支援学習（AAT）という新しい手法が採用されました。これにより、モデルは学習中にアンカーベース手法の構造を活用しながら、実行時にはアンカーフリー検出を使用して、速度と適応性を向上させることができました。
• Ultralytics YOLOv8：アンカーフリー・スプリット Ultralytics ヘッドを使用して、アンカーフリー検出へ完全に移行しました。これにより、特にアンカーボックスにうまく適合しない小さい物体や形状が不規則な物体に対して、モデルの速度と精度が向上しました。
• Ultralytics YOLO11：YOLOv8のアンカーフリーアプローチを基盤とし、アンカーボックスを完全に排除することで検出をさらに最適化しています。その結果、動物行動モニタリングや小売分析などのリアルタイムアプリケーションで、より高速かつ高精度な検出を実現します。

図3 Ultralytics YOLOv8とUltralytics YOLO11の比較

Ultralytics YOLO11の実世界での用途#

Ultralytics YOLO11を使用したアンカーフリー検出のメリットを示す好例が、自動運転車です。自動運転車では、歩行者、他の車両、障害物を迅速かつ正確に検出することが安全のために不可欠です。YOLO11のアンカーフリーアプローチは、事前定義されたアンカーボックスに依存するのではなく、歩行者の中心や別の車両の境界など、物体のキーポイントを直接予測することで検出プロセスを簡素化します。

図4 Ultralytics YOLO11におけるアンカーフリー検出のメリット（作成者による画像）

Ultralytics YOLO11では、各物体に合わせてアンカーのグリッドを調整したり適合させたりする必要がありません。これは計算コストが高く、処理速度を低下させる可能性があります。代わりに、キーフィーチャーに焦点を当てることで、より高速かつ効率的に動作します。例えば、歩行者が車両の進路に入った場合、YOLO11は、その人物が部分的に隠れていたり移動していたりしても、キーポイントを特定して位置を迅速に把握できます。アンカーボックスなしでさまざまな形状やサイズに適応できるため、YOLO11は物体をより信頼性高く、より高速に検出できます。これは、自動運転システムにおけるリアルタイムの意思決定に不可欠です。

Ultralytics YOLO11のアンカーフリー機能が特に際立つその他の用途には、次のようなものがあります。

• 小売・在庫管理：Ultralytics YOLO11を使用すると、商品が積み重なっていたり、一部が隠れていたりする場合でも、棚の商品をより容易に監視できます。これにより、より迅速かつ正確な在庫追跡が可能になり、エラーも削減できます。
• 医療画像：YOLO11は医療分野でも有効です。医療スキャン画像から腫瘍やその他の異常を検出できます。不規則な形状の物体を扱えるため、複雑な疾患の診断精度向上に役立ちます。
• 野生動物モニタリング：野生動物研究では、Ultralytics YOLO11を使用して密林や険しい地形にいる動物を追跡し、研究者による行動の監視や絶滅危惧種の保護を支援できます。
• スポーツ分析：Ultralytics YOLO11は、スポーツイベント中に選手、ボールの動き、その他の要素をリアルタイムで追跡し、チーム、コーチ、放送関係者に有益な洞察を提供するために使用できます。

アンカーフリーモデルを扱う際の考慮事項#

Ultralytics YOLO11のようなアンカーフリーモデルには多くのメリットがありますが、一定の制限もあります。実務上の主な考慮事項の一つは、アンカーフリーモデルであっても、遮蔽や大きく重なった物体への対応に苦労する可能性があることです。その理由は、コンピュータビジョンが人間の視覚の再現を目指しているためです。人間が遮蔽された物体の識別に苦労することがあるのと同様に、AIモデルも同じような課題に直面する可能性があります。

もう一つの興味深い要因は、モデル予測の処理に関係します。アンカーフリーモデルのアーキテクチャはアンカーベースモデルよりもシンプルですが、場合によっては追加の精緻化が必要になります。例えば、非最大抑制（NMS）などの後処理技術が、重なり合った予測の整理や混雑したシーンでの精度向上に必要となる場合があります。

Ultralytics YOLO11でAIの未来を見据える#

アンカーベース検出からアンカーフリー検出への移行は、物体検出における大きな進歩でした。Ultralytics YOLO11のようなアンカーフリーモデルではプロセスが簡素化され、精度と速度の両方が向上します。

Ultralytics YOLO11を通じて、自動運転車、ビデオ監視、医療画像など、高速かつ高精度な検出が不可欠なリアルタイムアプリケーションで、アンカーフリー物体検出が優れた性能を発揮することが分かります。このアプローチにより、YOLO11はさまざまな物体サイズや複雑なシーンに容易に適応し、多様な環境でより優れた性能を提供できます。

コンピュータビジョンが進化し続けるにつれて、物体検出はさらに高速で柔軟、かつ効率的になっていきます。

GitHubリポジトリをご覧いただき、活発なコミュニティに参加して、AIに関する最新情報を入手してください。ビジョンAIが製造業や農業などの分野にどのような影響を与えているのかをご確認ください。