Anchor Boxes

As caixas de âncora são retângulos de referência predefinidos, com proporções e escalas específicas, distribuídos por uma imagem para ajudar os modelos de detecção de objetos a localizar e classificar objetos. Em vez de pedir a uma rede neural que preveja o tamanho e a posição exatos de um objeto do zero — o que pode ser instável devido à enorme variedade de formas dos objetos —, o modelo utiliza estes modelos fixos como ponto de partida. Ao aprender a prever quanto deve ajustar, ou fazer a "regressão" destas caixas iniciais para se adaptarem à verdade fundamental, o sistema consegue alcançar uma convergência mais rápida e uma maior precisão. Esta técnica transformou fundamentalmente o campo da visão computacional (CV), ao simplificar a complexa tarefa de localização e convertê-la num problema de otimização mais fácil de gerir.

O Mecanismo das Caixas de Âncora#

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

Durante o treino do modelo, estas âncoras são comparadas com objetos reais utilizando uma métrica chamada Interseção sobre União (IoU). As âncoras que se sobrepõem significativamente a um objeto anotado são designadas como amostras "positivas". A rede aprende então duas tarefas em paralelo:

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

2. Regressão da Caixa: Calcula os valores precisos de deslocamento (alterações de coordenadas e fatores de escala) necessários para transformar a âncora genérica numa caixa delimitadora ajustada ao objeto.

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

Aplicações no mundo real#

Embora as arquiteturas mais recentes estejam a evoluir para designs sem âncoras, as caixas de âncora continuam a ser essenciais em muitos sistemas de produção consolidados, nos quais as características dos objetos são previsíveis.

• Retalho e Gestão de Inventário: Nas 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 padronizadas, as caixas de âncora podem ser ajustadas a estas proporções específicas. Este conhecimento prévio ajuda o modelo a manter uma elevada revocação, mesmo em ambientes desorganizados.
• 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 relação à estrada, a utilização de âncoras adaptadas a estas formas garante um rastreamento de objetos robusto e uma estimativa precisa da distância.

Baseado em Âncoras vs. Sem Âncoras#

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

• Baseado em Âncoras: Modelos como o Faster R-CNN original ou as primeiras versões do YOLO (por exemplo, Ultralytics YOLOv5) utilizam estes modelos predefinidos. São robustos, mas muitas vezes exigem o ajuste manual de hiperparâmetros (tamanhos/proporções das âncoras) ou algoritmos de agrupamento, como o agrupamento k-means, para se adaptarem a novos conjuntos de dados.
• Sem Âncoras: Os modelos avançados, incluindo o YOLO26, utilizam frequentemente abordagens sem âncoras ou de ponta a ponta. Estas redes preveem diretamente os centros dos objetos ou os pontos-chave, eliminando a necessidade de configurar âncoras manualmente. Isto simplifica a arquitetura e acelera a inferência, eliminando a computação necessária para processar milhares de âncoras vazias do fundo.

Exemplo: Aceder a Informações sobre Âncoras#

Embora as APIs modernas de alto nível, como a Ultralytics Platform, 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 fragmento seguinte demonstra como carregar um modelo e inspecionar a sua configuração, na qual as definições das âncoras, se presentes, seriam normalmente 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.")

Desafios e considerações#

Embora sejam eficazes, as caixas de âncora introduzem complexidade. O enorme número de âncoras geradas — frequentemente dezenas de milhares por imagem — cria um problema de desequilíbrio entre classes, uma vez que a maioria das âncoras cobre apenas o fundo. Técnicas como a Focal Loss são utilizadas para atenuar este problema, reduzindo o peso dos exemplos fáceis do fundo. Além disso, o resultado final normalmente requer a Supressão de Não Máximos (NMS) para filtrar caixas sobrepostas redundantes, garantindo que apenas a deteção com maior confiança de cada objeto permanece.