アンカーフリー検出器であることによるUltralytics YOLO11の利点

Vision AIモデルの歴史を振り返ると、画像や動画内のオブジェクトを特定して位置を特定するコンピュータビジョンのコアタスクであるオブジェクト検出の概念は、1960年代から存在していました。しかし、今日の最先端イノベーションにおいてそれが重要である主な理由は、それ以降、オブジェクト検出のテクニックやモデルアーキテクチャが急速に進歩・向上してきたからです。

前回の記事では、オブジェクト検出の進化と、Ultralytics YOLOモデルに至るまでの道のりについて議論しました。本日は、この歩みの中のより具体的なマイルストーン、つまりアンカーベースの検出器からアンカーフリーの検出器への移行に焦点を当てて探求します。

アンカーベースの検出器は、「アンカー」と呼ばれる事前定義されたボックスに依存して、画像内のオブジェクトの位置を予測します。対照的に、アンカーフリーの検出器はこれらの事前定義されたボックスをスキップし、その代わりにオブジェクトの位置を直接予測します。

このシフトは一見シンプルで論理的な変更のように思えるかもしれませんが、実際にはオブジェクト検出の精度と効率において大きな向上をもたらしました。この記事では、Ultralytics YOLO11などの進歩を通じて、アンカーフリーの検出器がどのようにコンピュータビジョンを形作ったのかを理解します。

アンカーベースの検出器とは何か？#

アンカーベースの検出器は、アンカーとして知られる事前定義されたボックスを使用して、画像内のオブジェクトの位置特定の補助をします。これらのアンカーは、画像上に配置された異なるサイズや形状のボックスのグリッドのようなものと考えてください。モデルは、検出したオブジェクトにフィットするようにこれらのボックスを調整します。例えば、モデルが車を識別した場合、車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の考えられるオブジェクトに関連付けられており、トレーニング中、モデルはオブジェクトの位置、サイズ、アスペクト比によりよく一致するようにアンカーボックスを微調整する方法を学習します。これにより、モデルは異なるスケールや方向でオブジェクトを検出することができます。ただし、適切な一連のアンカーボックスを選択することは時間がかかる場合があり、それらを微調整するプロセス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の検出器は多くのアプリケーションでうまく機能していますが、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オブジェクトとうまく整列しないことが多く、モデルが小さく不規則な形状のオブジェクトを検出することが難しくなります。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も時間がかかり、多くの手動作業が必要です。これに加えて、アンカーベースのモデルは、事前定義されたボックスがこれらのより複雑なシナリオに適応しない場合があるため、オクルージョンされた（遮られた）または重なり合うオブジェクトの検出に苦労することがよくあります。

アンカーフリーオブジェクト検出への移行#

アンカーフリーの検出器は、2018年にCornerNetやCenterNetなどのモデルが登場し、事前定義されたアンカーボックスを不要にするという新しいアプローチを採用したことで注目を集めました。異なるサイズや形状のアンカーボックスに依存してオブジェクトの位置を予測する従来モデルとは異なり、アンカーフリーモデルはオブジェクトの位置を直接予測します。これらはオブジェクトの中心のようなキーポイントや特徴に焦点を当てるため、検出プロセスが簡素化され、より高速で高精度になります。

アンカーフリーモデルの一般的な仕組みは以下の通りです：

• 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、一部のモデルは中心や特定のコーナーなどのオブジェクト上の重要なポイントを識別します。これらのキーポイントは、モデルがオブジェクトの位置とサイズを把握するのに役立ちます。
• 中心予測: 一部のモデルは、オブジェクトの中心を予測することに焦点を当てています。中心が特定されると、モデルはそこからオブジェクト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ており、各ピクセルはオブジェクトの可能な位置を表します。より強いヒートマップの値は、その時点でオブジェクト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 vs. アンカーフリー検出。

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。これは計算効率が高いことを意味します。複数のアンカーボックスを処理する必要がないため、より高速にオブジェクトを検出できます。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利点です。

アンカーフリーモデルは、小さく、不規則な、またはオクルージョンされたオブジェクトの処理においてもはるかに優れています。アンカーボックスをフィットさせようとするのではなく、キーポイントの検出に焦点を当てているため、はるかに柔軟性があります。これにより、アンカーベースのモデルが失敗する可能性のある、乱雑な環境や複雑な環境でも、オブジェクトを正確に検出できます。

Ultralytics YOLO11：アンカーフリー検出器#

もともとスピードと効率性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おり、Ultralytics YOLO11のようなモデルが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最適化されるようになっています。

アンカーフリー設計がYOLOの各バージョンでどのように進化したかを簡単に振り返ります：

• Ultralytics YOLOv5u: Anchor-Free Split Ultralytics Headを導入し、事前定義されたアンカーボックスの必要性を排除しました。代わりに、モデルは画像内のオブジェクトの位置を直接予測し、プロセスを簡素化して柔軟性と速度を向上させます。
• YOLOv6: Anchor-Aided Training (AAT) と呼ばれる新しいメソッドが使用され、アンカーはトレーニング中のみ使用されました。これにより、モデルはトレーニング中にアンカーベースのメソッドの構造の恩恵を受けつつ、ランタイムではより高い速度と適応性のためにアンカーフリーの検出を使用できるようになりました。
• Ultralytics YOLOv8: Anchor-Free Split Ultralytics Headを使用することにより、完全にアンカーフリー検出に切り替えました。これにより、モデルがより高速かつ正確になり、特にアンカーボックスにうまくフィットしない小さく奇妙な形のオブジェクトに対して有効になりました。
• 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ます。これにより、動物の行動監視やリテールアナリティクスなどのリアルタイムアプリケーション向けに、より高速で正確な検出が実現します。

図3. Ultralytics YOLOv8とUltralytics YOLO11の比較。

Ultralytics YOLO11の実際のアプリケーション#

Ultralytics YOLO11 によるアンカーフリー検出のメリットを示す素晴らしい例が自動運転車です。自動運転車において、歩行者や他の車両、障害物を迅速かつ正確に検出することは安全性にとって極めて重要です。YOLO11 のアンカーフリーのアプローチは、事前に定義されたアンカーボックスに頼るのではなく、歩行者の中心や他の車両の境界など、オブジェクト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（画像提供：著者）。

Ultralytics YOLO11 は、計算コストが高く低速になりがちな、オブジェクトごとにアンカーのグリッドを調整または適合させる必要がありません。その代わりに主要な特徴に焦点を当てるため、より高速で効率的になります。たとえば、歩行者が車の進路に飛び込んできた場合、YOLO11 は、その人物が部分的に隠れているり動いたりしていても、キーポイントを特定することでその位置を素早く識別できます。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この機能により、YOLO11 はより信頼性が高く高速にオブジェクトを検出できるようになり、自動運転システムにおけるリアルタイムの意思決定にとって不可欠です。

Ultralytics YOLO11のアンカーフリー機能が特に際立つその他のアプリケーションには、以下のようなものがあります。

• Retail and inventory management: Ultralytics YOLO11 により、棚にある商品を、積み重なっている場合や一部が遮られている場合でも簡単に監視できるようになります。これにより、より迅速かつ正確な在庫追跡が可能になり、エラーが削減されます。
• 医療用画像診断: YOLO11は医療分野でも効果的であり、医療スキャンにおける腫瘍やその他の異常を検出できます。不規則な形状のオブジェクトを処理する能力により、複雑な病態の診断における精度向上が支援されます。
• Wildlife monitoring: 野生動物の研究において、Ultralytics YOLO11 は鬱蒼とした森林や困難な地形でも動物を追跡できるため、研究者が行動を監視したり絶滅危惧種を保護したりするのに役立ちます。
• Sports analytics: 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するために使用でき、チーム、コーチ、放送局に価値あるインサイトを提供します。

アンカーフリーモデルに取り組む際の考慮事項#

Ultralytics YOLO11 のようなアンカーフリーモデルには多くの利点がありますが、特定の制限も伴います。考慮すべき主な実用上のポイントの1つは、アンカーフリーモデルであってもオクルージョンや高度に重なり合ったオブジェクトの処理に苦労する場合があるという点です。その背景にある理由は、コンピュータビジョンが人間の視覚を模倣することを目指しているためであり、私たちが遮られたオブジェクトの識別時に苦労することがあるのと同様に、AIモデルも同様の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素は、モデル予測の処理に関するものです。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のものよりもシンプルですが、特定の場合には追加の洗練が必要になります。例えば、重なり合う予測をクリーンアップしたり、混雑したシーンでの精度を向上させたりするために、非最大値抑制 (NMS) などのポストプロセッシングのテクニックが必要になる場合があります。

Ultralytics YOLO11とともにAIの未来をしっかりと見据える#

アンカーベースからアンカーフリー検出への移行は、オブジェクト検出において重要な進歩となりました。Ultralytics YOLO11 のようなアンカーフリーモデルにより、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、迅速かつ正確な検出が不可欠である自動運転車、ビデオ監視、医療画像処理などのリアルタイムアプリケーションにおいて、アンカーフリーのオブジェクト検出がいかに優れているかを見てきました。このアプローチにより、YOLO11 はさまざまなオブジェクトサイズや複雑なシーンにより簡単適応できるようになり、多様な環境でより優れたパフォーマンスを提供します。

コンピュータビジョンが進化し続けるにつれ、オブジェクト検出は今後、さらに高速で柔軟、かつ効率的なものになっていくでしょう。

GitHubリポジトリを探索し、魅力的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。製造業や農業などの分野にビジョンAIがどのような影響を与えているかをご確認ください。