Ultralytics YOLO11がアンカーフリー検出器であることの利点

ビジョン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、コンピューター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す。現在その重要性が高まっているのは、それ以来、物体検出の手法やモデルアーキテクチャが大きく進歩したためです。

以前の記事では、物体検出の進化と、Ultralytics YOLOモデルにつながる道のりを解説しました。今回は、この過程におけるより具体的な節目として、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焦点を当てます。

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済みのボックスを使って、画像内の物体の位置を予測します。これに対し、アンカーフリー検出器は、事前定義済みのボックスを使用せず、物体の位置を直接予測します。

この変化は単純で理にかなった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を大きく改善しました。この記事では、Ultralytics YOLO11などの進歩を通じて、アンカーフリー検出器がコンピュータービジョンをどのように変革してきたかを解説します。

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済みのボックスを使って、画像内の物体の位置を特定します。アンカーは、さまざまなサイズと形状のボックスを画像上に配置したグリッドのようなもの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。たとえば、モデルが車を識別すると、車の位置やサイズにより正確に合う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物体候補に対応しており、トレーニング中にモデルは、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、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ぶには時間がかかるうえ、微調整の過程でエラーが発生する可能性があります。

図1. アンカーボックスとは何ですか？

YOLOv4などのアンカーベース検出器は多くの用途で良好に機能してきましたが、いくつかの欠点もあります。たとえば、アンカーボックスはさまざまな形状やサイズの物体にうまく合わないことがあり、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作業にも時間がかかり、多くの手作業が必要です。また、事前定義済みのボックスが複雑な状況にうまく適応できないため、アンカーベースモデルは遮蔽された物体や重なり合う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#

2018年には、CornerNetやCenterNetなどのモデルをきっかけにアンカーフリー検出器への注目が高まりました。これらのモデルは、事前定義済みのアンカーボックスを不要にする新しいアプローチを採用しました。さまざまなサイズや形状のアンカーボックスを使って物体の位置を予測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。中心点などの物体の重要な点や特徴に着目す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の一般的な仕組みは次のとおりです。

• キーポイント検出: 事前定義済みのボックスを使う代わりに、モデルによっては、中心や特定の角など、物体上の重要な点を識別します。これらのキーポイントを手掛かりに、物体の位置と大きさを特定します。
• 中心予測: 物体の中心の予測に重点を置くモデルもあります。中心の位置が分かると、モデルはそこを基準に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い、各ピクセルが物体の位置候補を表します。ヒートマップの値が高いほど、その位置に物体が存在する確信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。そのため、計算効率が高くなります。複数のアンカーボックスを処理する必要がないので、物体をより迅速に検出できます。これは、自動運転やビデオ監視など、リアルタイムアプリケーションで重要な利点です。

アンカーフリーモデルは、小さな物体、不規則な形状の物体、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当てはめようとせず、キーポイントの検出に重点を置くため、柔軟性が高くなります。そのため、アンカーベースのモデルではうまく検出できない、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#

YOLOモデルはもともと速度と効率を重視して設計され、徐々にアンカーベース方式からアンカーフリー検出へと移行してきました。これにより、Ultralytics YOLO11などのモデルは高速で柔軟性が高く、幅広いリアルタイムアプリケーションにより適したものになっています。

YOLOの各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か、簡単に見てみましょう。

• Ultralytics YOLOv5u: YOLOv8で初めて導入されたアンカーフリーの分離型Ultralyticsヘッドを採用し、事前定義済みのアンカーボックスを不要にしています。代わりに、モデルが画像内の物体の位置を直接予測するため、処理が簡素化され、柔軟性と速度が向上します。
• YOLOv6：Anchor-Aided Training（AAT）と呼ばれる新しい手法を採用し、アンカーをトレーニング時のみ使用しました。これにより、実行時にはアンカーフリー検出を使って速度と適応性を高めながら、トレーニング中はアンカーベース方式の構造を活用できます。
• Ultralytics YOLOv8：Anchor-Free Split Ultralytics Head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な物体や不規則な形状の物体を、より高速かつ高精度に検出できるようになりました。
• Ultralytics YOLO11: YOLOv8のアンカーフリー設計を維持しながら、バックボーンとネックを改良しています。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の実世界での活用例#

Ultralytics YOLO11を使用したアンカーフリー検出の利点を示す好例が、自動運転車です。自動運転車では、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が安全性の確保に不可欠です。YOLO11のアンカーフリーアプローチでは、事前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、物体の主要な点を直接予測するため、検出プロセスが簡素化されます。

図4. Ultralytics YOLO11におけるアンカーフリー検出の利点（画像提供：著者）。

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当てはめたりする必要がありません。この処理は計算負荷が高く、時間がかかる場合があります。代わりに主要な特徴に注目するため、より高速で効率的です。たとえば、歩行者が車両の進路に入ったとき、YOLO11は主要な点を特定して位置をすばやく認識できます。たとえ人物の一部が隠れていたり、移動していたりする場合でも同様です。アンカーボックスを使わずにさまざまな形状やサイズに適応できるため、YOLO11は物体をより確実かつ高速に検出できます。これは、自動運転システムでリアルタイムに意思決定するうえで不可欠です。

Ultralytics YOLO11のアンカーフリー機能が特に活躍するその他の用途は次のとおりです。

• 小売・在庫管理：Ultralytics YOLO11を使うと、商品が積み重なっていたり一部が隠れていたりしても、棚の商品を簡単に監視できます。これにより、在庫をより迅速かつ正確に把握でき、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、医用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。
• 野生生物のモニタリング：野生生物の研究では、Ultralytics YOLO11を使っ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モニタリング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、放送局に有益な洞察を提供するために利用できます。

アンカーフリーモデルを使用する際の留意点#

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、一定の制約もあります。実用面で特に留意すべき点の1つは、アンカーフリーモデルでも遮蔽や大きく重なり合う物体の検出が難しい場合があることです。コンピュータービジョンは人間の視覚を再現しようとする技術であり、人間が遮蔽された物体を認識しにくい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。

もう一つ興味深い点は、モデルの予測を処理する方法です。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モデルより単純ですが、場合によっては追加の調整が必要です。たとえば、非極大値抑制（NMS）などの後処理技術を使って、重複する予測を整理したり、混雑したシーンで精度を高めたりする場合があります。Ultralytics YOLO26などの新しいモデルは、エンドツーエンドのNMSフリー設計によってこのステップを不要にしています。

Ultralytics YOLO11で切り開くAIの未来#

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す。Ultralytics YOLO11のようなアンカーフリーモデルによってプロセスが簡素化され、精度と速度の両方が向上しています。

Ultralytics YOLO11を通じて、自動運転車やビデオ監視、医療画像など、高速かつ正確な検出が不可欠なリアルタイム用途で、アンカーフリー物体検出が優れた性能を発揮することを確認してきました。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、多様な環境でより高い性能を発揮できます。

コンピュータービジョンの進化に伴い、物体検出はさらに高速で柔軟になり、効率も高まっていきます。

AIに関する最新情報を得るには、GitHubリポジトリをご覧いただき、活発なコミュニティにご参加ください。ビジョンAIが製造業や農業などの分野に与える影響についてもご覧ください。