Anchor Boxes

Anchor boxes — это предопределенные справочные прямоугольники с заданными соотношениями сторон и масштабами, которые размещаются на изображении, чтобы помочь моделям обнаружения объектов находить и классифицировать их. Вместо того чтобы заставлять нейронную сеть предсказывать точный размер и положение объекта с нуля, что может быть нестабильно из-за огромного разнообразия форм объектов, модель использует эти фиксированные шаблоны в качестве отправной точки. Учась предсказывать, насколько нужно скорректировать или «регрессировать» эти начальные рамки, чтобы они соответствовали истинным значениям (ground truth), система достигает более быстрой сходимости и более высокой точности. Эта техника фундаментально изменила область компьютерного зрения (CV), упростив сложную задачу локализации до более управляемой проблемы оптимизации.

Link to this sectionМеханизм работы Anchor Boxes#

В классических anchor-based детекторах входное изображение делится на сетку ячеек. В каждой ячейке сеть генерирует несколько anchor boxes с разной геометрией. Например, чтобы одновременно обнаружить высокого пешехода и широкий автомобиль, модель может предложить высокую узкую рамку и короткую широкую рамку в одной и той же центральной точке.

Во время обучения модели эти анкоры сопоставляются с реальными объектами с использованием метрики под названием Intersection over Union (IoU). Анкоры, которые значительно перекрываются с размеченным объектом, помечаются как «положительные» образцы. Затем сеть обучается двум параллельным задачам:

1. Классификация: Она присваивает анкору оценку вероятности, указывающую на то, содержит ли он определенный класс (например, «собака» или «велосипед»). Для этого используются стандартные методы обучения с учителем, такие как функция потерь кросс-энтропии.

2. Регрессия рамок: Она вычисляет точные значения смещения (сдвиги координат и коэффициенты масштабирования), необходимые для преобразования общего анкора в плотно прилегающую bounding box.

Этот подход позволяет модели обрабатывать несколько объектов разных размеров, расположенных близко друг к другу, так как каждый объект может быть назначен анкору, который лучше всего соответствует его форме.

Link to this sectionРеальные приложения#

Хотя более новые архитектуры переходят к проектам без анкоров (anchor-free), anchor boxes остаются важными во многих уже существующих производственных системах, где характеристики объектов предсказуемы.

• Розничная торговля и управление запасами: В ИИ-решениях для розничной торговли камеры отслеживают наличие товаров на полках. Поскольку такие продукты, как коробки с хлопьями или банки с газировкой, имеют стандартные размеры, anchor boxes можно настроить под эти конкретные соотношения сторон. Это априорное знание помогает модели поддерживать высокий recall даже в загроможденных средах.
• Автономное вождение: Стеки восприятия в автономных транспортных средствах полагаются на обнаружение пешеходов, транспортных средств и дорожных знаков. Поскольку автомобиль, увиденный с расстояния, имеет относительно постоянный профиль формы по сравнению с дорогой, использование анкоров, адаптированных к этим формам, обеспечивает надежное отслеживание объектов и оценку расстояния.

Link to this sectionAnchor-Based vs. Anchor-Free#

Важно различать традиционные anchor-based методы и современные anchor-free детекторы.

• Anchor-Based: Модели, такие как оригинальный Faster R-CNN или ранние версии YOLO (например, YOLOv5), используют эти предопределенные шаблоны. Они надежны, но часто требуют ручной настройки гиперпараметров (размеров/соотношений анкоров) или использования алгоритмов кластеризации, таких как k-means clustering, для адаптации к новым наборам данных.
• Anchor-Free: Продвинутые модели, включая YOLO26, часто используют anchor-free или end-to-end подходы. Эти сети предсказывают центры объектов или ключевые точки напрямую, устраняя необходимость в ручной конфигурации анкоров. Это упрощает архитектуру и ускоряет инференс за счет исключения вычислений, необходимых для обработки тысяч пустых фоновых анкоров.

Link to this sectionПример: Доступ к информации об анкорах#

Хотя современные высокоуровневые API, такие как Ultralytics Platform, абстрагируют эти детали во время обучения, понимание анкоров полезно при работе с более старыми архитектурами моделей или при анализе конфигурационных файлов моделей. Следующий фрагмент кода демонстрирует, как загрузить модель и изучить ее конфигурацию, где обычно определяются настройки анкоров (если они присутствуют).

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 sectionПроблемы и соображения#

Несмотря на эффективность, anchor boxes привносят сложность. Огромное количество генерируемых анкоров — часто десятки тысяч на изображение — создает проблему дисбаланса классов, так как большинство анкоров покрывают только фон. Для смягчения этого используются такие методы, как Focal Loss, которые снижают вес «легких» фоновых примеров. Кроме того, окончательный результат обычно требует Non-Maximum Suppression (NMS) для фильтрации избыточных перекрывающихся рамок, гарантируя, что останется только самое уверенное обнаружение для каждого объекта.