Anchor-Based Detectors

基于锚框的检测器是计算机视觉中一类基础的目标检测模型，它们利用一组预定义的边界框来定位和分类对象。这些系统并非尝试从零开始预测物体的坐标，而是从被称为锚框的固定参考模板开始。神经网络随后经过训练，以确定这些模板中哪一个最匹配图像中的物体，并计算出将锚框与目标完美对齐所需的特定偏移量（位置和尺寸的调整）。这种方法将困难的任意坐标预测问题转化为更稳定的回归任务，这是早期深度学习 (DL) 架构（如 Faster R-CNN 和 SSD）开发中的关键突破。

Link to this section基于锚框的机制如何工作#

基于锚框的检测器的核心操作围绕将输入图像划分为密集网格展开。在该网格的每个单元格中，模型会生成多个具有不同尺度和纵横比的锚框，以应对不同物体的形状，例如高大的行人或宽大的车辆。随着图像数据通过模型的骨干网络，网络会提取丰富的特征以执行两项同步任务：

1. 分类： 模型为每个锚框分配一个概率分数，预测它包含特定类别的物体（例如“汽车”、“狗”）还是仅仅是背景噪声。

2. 边界框回归： 对于被识别为包含物体的锚框，网络会预测校正因子以优化锚框的中心 x, y 坐标、宽度和高度，从而得出一个紧凑的边界框。

在模型训练期间，这些检测器使用一种称为交并比 (IoU) 的指标将预定义的锚框与数据集中提供的真值标签进行匹配。重叠度高的锚框被视为正样本。由于此过程会生成数千个潜在检测结果，因此在推理过程中会应用一种称为非极大值抑制 (NMS) 的过滤算法，以消除冗余框，并仅保留每个物体最准确的预测结果。

Link to this section与无锚框检测器的比较#

尽管基于锚框的方法多年来确立了行业标准，但该领域已向无锚框检测器演进。对于现代从业者来说，理解两者之间的区别至关重要。

• 基于锚框： 像 YOLOv5 和原始的 RetinaNet 这样的模型依赖于手动配置或聚类算法（如 k-means 聚类）来确定数据集的最佳锚框尺寸。这提供了稳定性，但如果物体形状变化巨大，可能会显得过于僵化。
• 无锚框： 现代架构（包括 YOLO26）通常完全移除了锚框阶段。它们直接从特征图像素预测物体中心和尺寸，从而降低了计算开销并简化了超参数搜索。这种“端到端”方法在处理多样化数据时通常更快且更易于训练。

Link to this section实际应用#

在许多传统的和专门的生产系统中，如果物体形状是可预测且一致的，基于锚框的逻辑依然具有相关性。

• 交通监控： 在智能交通系统中，摄像头检测车辆以管理车流或识别违规行为。由于汽车和卡车具有标准化的尺寸，基于锚框的模型可以通过特定的先验信息进行调整，以最大化精确率和召回率。
• 零售自动化： 自动结账系统使用计算机视觉来识别产品。由于谷物盒等包装商品保持固定的纵横比，锚框为网络提供了强大的先验信息，帮助其在杂乱的场景中区分外观相似的物品。

Link to this section实现示例#

虽然最新的 YOLO26 模型利用无锚框头部以获得卓越性能，但运行检测的接口保持一致。Ultralytics 平台 和 Python API 抽象了模型是使用锚框还是中心点的复杂性，让用户能够专注于结果本身。

以下是如何加载模型并运行推理来检测物体的方法，该工作流适用于任何底层的锚框架构：

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()

Link to this section延伸阅读#

为了加深对检测机制的理解，请探索引入区域提议网络 (RPN) 的 Faster R-CNN 基础研究，或阅读关于为速度优化基于锚框检测的 单阶段多框检测器 (SSD) 的内容。为了更广阔地了解该领域，COCO 数据集 是评估基于锚框和无锚框模型的标准基准。此外，Coursera 上的高级课程通常涵盖边界框回归和锚框匹配的数学细节。