Anchor-Based Detectors

基于锚框的检测器是计算机视觉中对象检测模型的一个基础类别，它利用一组预定义的边界框来定位和分类对象。这些系统不尝试从头开始预测对象的坐标，而是从被称为锚框的固定参考模板开始。然后，训练神经网络来确定这些模板中哪一个最匹配图像中的对象，并计算使锚框与目标完美对齐所需的特定偏移量（即位置和大小的调整）。这种方法将任意坐标预测这一难题转化为一个更稳定的回归任务，这是像 Faster R-CNN 和 SSD 这样早期深度学习 (DL) 架构发展过程中的一个关键突破。

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着将输入图像划分为密集的网格。在该网格的每个单元中，模型会生成多个具有不同尺度和宽高比的锚框，以适应不同的对象形状，例如高大的行人和宽阔的车辆。随着图像数据穿过模型的骨干网络，网络会提取丰富的特征来执行两个同时进行的任务：

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. 框回归： 对于被识别为包含对象的锚框，网络会预测修正因子以精修锚框的中心 x, y 坐标、宽度和高度，从而得到一个紧凑的边界框。

在模型训练期间，这些检测器使用一种名为交并比 (IoU) 的指标，将预定义锚框与数据集中提供的真实标签进行匹配。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的检测结果，因此在推理期间会应用一种称为非极大值抑制 (NMS) 的过滤算法，以消除冗余的框，并仅保留每个对象最准确的预测。

与无锚框检测器的比较#

虽然基于锚框的方法多年来确立了标准，但该领域已经向无锚框检测器演进。理解两者的区别对现代从业者至关重要。

• 基于锚框： 像 YOLOv5 和最初的 RetinaNet 这样的模型依赖于手动配置或诸如k均值聚类之类的聚类算法来确定数据集的最佳锚框大小。这提供了稳定性，但如果对象的形状变化剧烈，则可能会显得死板。
• 无锚框： 现代架构（包括 YOLO26）通常完全去掉了锚框阶段。它们直接从特征图像素预测对象中心和大小，从而减少了计算开销并简化了超参数搜索。这种“端到端”的方法通常更快，并且更容易在多样化数据上进行训练。

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，摄像机会检测车辆以管理车流或识别违章。由于汽车和卡车具有标准化的尺寸，因此可以通过特定的先验来调整基于锚框的模型，从而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。由于诸如麦片盒之类的包装商品保持固定的宽高比，因此锚框为网络提供了强大的先验，帮助它在杂乱的场景中区分外观相似的物品。

实现示例#

尽管最新的 YOLO26 模型利用无锚框头部来获得卓越的性能，但运行检测的接口依然保持一致。Ultralytics Platform 和 Python API 抽象化了模型使用的是锚框还是中心点的复杂性，让用户能够专注于结果。

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()

延伸阅读#

为了加深你对检测机制的理解，请探索引入了区域生成网络 (RPN) 的 Faster R-CNN 的基础研究，或者阅读关于优化了锚框检测速度的单发多框检测器 (SSD) 的文章。为了对该领域有更广泛的了解，COCO dataset 充当了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框回归和锚框匹配的数学细节。