Anchor Boxes

Caixas âncora são retângulos de referência predefinidos com proporções e escalas específicas que são colocados sobre uma imagem para ajudar os modelos de deteção de objetos a localizar e classificar objetos. Em vez de pedir a uma rede neuronal para prever o tamanho e a posição exatos de um objeto do zero — o que pode ser instável devido à vasta variedade de formas de objetos —, o modelo utiliza estes modelos fixos como ponto de partida. Ao aprender a prever o quanto ajustar, ou "regredir", estas caixas iniciais para se adaptarem à verdade absoluta (ground truth), o sistema consegue alcançar uma convergência mais rápida e maior precisão. Esta técnica transformou fundamentalmente o campo da visão computacional (CV) ao simplificar a tarefa complexa de localização num problema de otimização mais gerível.

Link to this sectionO Mecanismo das Caixas Âncora#

Em detetores baseados em âncoras clássicos, a imagem de entrada é dividida numa grelha de células. Em cada localização de célula, a rede gera múltiplas caixas âncora com diferentes geometrias. Por exemplo, para detetar simultaneamente um peão alto e um carro largo, o modelo pode propor uma caixa alta e estreita e uma caixa curta e larga no mesmo ponto central.

Durante o treino do modelo, estas âncoras são comparadas com objetos reais utilizando uma métrica chamada Intersection over Union (IoU). Âncoras que se sobrepõem significativamente a um objeto rotulado são designadas como amostras "positivas". A rede aprende então duas tarefas paralelas:

1. Classificação: Atribui uma pontuação de probabilidade à âncora, indicando a probabilidade de conter uma classe específica (por exemplo, "cão" ou "bicicleta"). Isto utiliza objetivos padrão de aprendizagem supervisionada como a perda de entropia cruzada.

2. Regressão de Caixa: Calcula os valores de desvio precisos (deslocamentos de coordenadas e fatores de escala) necessários para transformar a âncora genérica numa bounding box de ajuste apertado.

Esta abordagem permite ao modelo lidar com múltiplos objetos de diferentes tamanhos localizados perto uns dos outros, uma vez que cada objeto pode ser atribuído à âncora que melhor corresponde à sua forma.

Link to this sectionAplicações no Mundo Real#

Embora as arquiteturas mais recentes estejam a mover-se para designs sem âncoras (anchor-free), as caixas âncora continuam a ser vitais em muitos sistemas de produção estabelecidos onde as características dos objetos são previsíveis.

• Retalho e Gestão de Inventário: Em soluções de retalho baseadas em IA, as câmaras monitorizam o stock das prateleiras. Como produtos como caixas de cereais ou latas de refrigerante têm dimensões normalizadas, as caixas âncora podem ser ajustadas a estas proporções específicas. Este conhecimento prévio ajuda o modelo a manter uma elevada recall mesmo em ambientes desarrumados.
• Condução Autónoma: As pilhas de perceção em veículos autónomos dependem da deteção de peões, veículos e sinais de trânsito. Como um carro visto à distância tem um perfil de forma relativamente consistente em comparação com a estrada, utilizar âncoras adaptadas a estas formas garante um rastreamento de objetos e uma estimativa de distância robustos.

Link to this sectionBaseado em Âncoras vs. Sem Âncoras#

É importante distinguir entre métodos tradicionais baseados em âncoras e os modernos detetores sem âncoras.

• Baseado em Âncoras: Modelos como o Faster R-CNN original ou versões iniciais do YOLO (por exemplo, YOLOv5) utilizam estes modelos predefinidos. São robustos, mas requerem frequentemente o ajuste manual de hiperparâmetros (tamanhos/proporções das âncoras) ou algoritmos de agrupamento como k-means clustering para se adaptarem a novos conjuntos de dados.
• Sem Âncoras: Modelos avançados, incluindo o YOLO26, utilizam frequentemente abordagens sem âncoras ou de ponta a ponta. Estas redes preveem centros de objetos ou pontos-chave diretamente, removendo a necessidade de configuração manual de âncoras. Isto simplifica a arquitetura e acelera a inferência ao eliminar o cálculo necessário para processar milhares de âncoras de fundo vazias.

Link to this sectionExemplo: Aceder à Informação de Âncoras#

Embora APIs de alto nível modernas como a Plataforma Ultralytics abstraiam estes detalhes durante o treino, compreender as âncoras é útil ao trabalhar com arquiteturas de modelos mais antigas ou ao analisar ficheiros de configuração de modelos. O seguinte fragmento demonstra como carregar um modelo e inspecionar a sua configuração, onde as definições das âncoras (se presentes) seriam tipicamente definidas.

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.")

Link to this sectionDesafios e Considerações#

Embora eficazes, as caixas âncora introduzem complexidade. O vasto número de âncoras geradas — muitas vezes dezenas de milhares por imagem — cria um problema de desequilíbrio de classes, uma vez que a maioria das âncoras cobre apenas o fundo. Técnicas como Focal Loss são usadas para mitigar isto, reduzindo o peso de exemplos de fundo fáceis. Adicionalmente, a saída final requer habitualmente Non-Maximum Suppression (NMS) para filtrar caixas sobrepostas redundantes, garantindo que apenas a deteção com maior confiança para cada objeto permanece.