アンカーベース検出器

アンカーベース検出器は、コンピュータビジョンにおけるobject detectionモデルの基礎的なクラスであり、事前定義されたバウンディングボックスのセットを利用してオブジェクトを位置特定し、classifyします。これらのシステムは、白紙の状態からオブジェクトの座標を予測しようとするのではなく、アンカーボックスとして知られる固定参照テンプレートから開始します。その後、ニューラルネットワークは、これらのテンプレートのうちどれが画像内のオブジェクトに最もよく一致するかを決定し、アンカーをターゲットに完全に合わせるために必要な、位置とサイズの調整である特定のオフセットを計算するように学習されます。このアプローチは、任意の座標予測という難しい問題を、より安定した回帰タスクに変換するものであり、Faster R-CNNやSSDのような初期のディープラーニング（DL）アーキテクチャの開発における重要なブレークスルーとなりました。

アンカーベースメカニズムの仕組み

アンカーベース検出器の核となる操作は、入力画像を密なグリッドに分割することを中心に展開します。このグリッドの各セルで、モデルは背の高い歩行者や幅の広い車両など、異なる物体形状に対応するために、さまざまなスケールとアスペクト比を持つ複数のアンカーボックスを生成します。画像データがモデルのバックボーンを通過するにつれて、ネットワークは豊富な特徴を抽出し、2つの同時タスクを実行します。

1. 分類: モデルは各アンカーに確率スコアを割り当て、それが特定のクラスのオブジェクト（例：「車」、「犬」）を含むか、単なる背景ノイズであるかを予測します。
2. ボックス回帰: オブジェクトを含むと識別されたアンカーに対し、ネットワークはアンカーの中心を洗練するための補正係数を予測します。 x, y 座標、幅、高さで、密接な バウンディングボックス.

モデルトレーニング中、これらの検出器は、Intersection over Union (IoU)と呼ばれる指標を使用して、事前定義されたアンカーをデータセットで提供されるグラウンドトゥルースラベルと照合します。重複度の高いアンカーは正のサンプルとして扱われます。このプロセスでは数千もの潜在的な検出が生成されるため、推論中にNon-Maximum Suppression (NMS)として知られるフィルタリングアルゴリズムが適用され、冗長なボックスを排除し、各オブジェクトの最も正確な予測のみを保持します。

アンカーフリーdetectorsとの比較

アンカーベースの手法は何年もの間標準を確立してきましたが、この分野はアンカーフリー検出器へと進化しました。その違いを理解することは、現代の実践者にとって不可欠です。

• アンカーベース: YOLOv5やオリジナルのRetinaNetのようなモデルは、データセットに最適なアンカーサイズを決定するために、手動設定またはk-meansクラスタリングのようなクラスタリングアルゴリズムに依存しています。これは安定性を提供しますが、物体の形状が大きく異なる場合には柔軟性に欠けることがあります。
• アンカーフリー: YOLO26を含む最新のアーキテクチャは、アンカー段階を完全に排除することがよくあります。これらは特徴マップのピクセルから直接物体の中心とサイズを予測し、計算オーバーヘッドを削減し、ハイパーパラメータ探索を簡素化します。この「エンドツーエンド」のアプローチは、一般的に多様なデータでのトレーニングがより高速で容易です。

実際のアプリケーション

オブジェクトの形状が予測可能で一貫している多くのレガシーシステムや特殊な生産システムでは、アンカーベースのロジックは依然として関連性があります。

• 交通監視：高度道路交通システムでは、カメラが車両をdetectして交通流を管理したり、違反を特定したりします。乗用車やトラックには標準化された寸法があるため、アンカーベースのモデルは特定の事前情報で調整され、精度と再現率を最大化できます。
• 小売オートメーション: 自動チェックアウトシステムはコンピュータービジョンを使用して製品を識別します。シリアルボックスのようなパッケージ商品は固定された縦横比を維持するため、アンカーはネットワークに強力な事前情報を提供し、混雑したシーンで似たようなアイテムを区別するのに役立ちます。

実施例

最新のYOLO26モデルは優れたパフォーマンスのためにアンカーフリーヘッドを利用していますが、detectを実行するためのインターフェースは一貫しています。「Ultralytics Platform」とpython APIは、モデルがアンカーを使用するか中心点を使用するかの複雑さを抽象化し、ユーザーが結果に集中できるようにします。

基盤となるアンカーアーキテクチャに関わらず適用されるワークフローである、モデルをロードしてオブジェクトをdetectするための推論を実行する方法を以下に示します。

from ultralytics import YOLO

# Load the YOLO26 model (optimized for speed and accuracy)
model = YOLO("yolo26n.pt")

# Run inference on an image source
# The model handles internal logic (anchor-based or anchor-free) automatically
results = model.predict("https://ultralytics.com/images/bus.jpg")

# Display the first result with bounding boxes
results[0].show()

さらに読む

検出メカニズムの理解を深めるには、Region Proposal Network (RPN) を導入したFaster R-CNNの基礎研究を探求するか、速度のためにアンカーベースの検出を最適化したSingle Shot MultiBox Detector (SSD)について読んでください。この分野のより広い視野を得るために、COCOデータセットはアンカーベースモデルとアンカーフリーモデルの両方を評価するための標準ベンチマークとして機能します。さらに、Courseraの高度なコースでは、ボックス回帰とアンカーマッチングの数学的詳細がしばしばカバーされています。