Anchor Boxes

锚框是预定义的参考矩形，具有特定的宽高比和尺度，它们分布在图像中，用于辅助目标检测模型定位和分类物体。模型并非从零开始要求神经网络预测物体的大小和位置（由于物体形状的多样性，这样做可能不稳定），而是使用这些固定模板作为起点。通过学习如何调整或“回归”这些初始框以拟合真实标注，系统可以实现更快的收敛和更高的准确率。这种技术通过将复杂的定位任务简化为更易于处理的优化问题，从根本上改变了 计算机视觉 (CV) 领域。

Link to this section锚框的工作机制#

在经典的 基于锚框的检测器 中，输入图像被划分为单元格网格。在每个单元格位置，网络会生成多个具有不同几何形状的锚框。例如，为了同时检测高个行人及宽大的车辆，模型可能会在同一个中心点提出一个高而窄的框和一个矮而宽的框。

在 模型训练 过程中，这些锚框会通过一种称为 交并比 (IoU) 的指标与实际物体进行匹配。与标注物体有显著重叠的锚框被指定为“正”样本。随后，网络会学习两个并行的任务：

1. 分类： 为锚框分配一个概率得分，指示其包含特定类别（例如“狗”或“自行车”）的可能性。这使用标准的 监督学习 目标，如交叉熵损失。

2. 框回归： 计算将通用锚框转换为紧密拟合的 边界框 (BBox) 所需的精确偏移值（坐标位移和缩放因子）。

这种方法使模型能够处理彼此靠近的多种不同大小的物体，因为每个物体都可以分配给最符合其形状的锚框。

Link to this section实际应用#

尽管较新的架构正转向无锚框设计，但在许多目标特征可预测的成熟生产系统中，锚框仍然至关重要。

• 零售与库存管理： 在 AI 驱动的零售解决方案 中，摄像头会监控货架库存。由于麦片盒或汽水罐等产品具有标准化的尺寸，锚框可以针对这些特定的宽高比进行调整。这种先验知识有助于模型即使在杂乱的环境中也能保持较高的 召回率。
• 自动驾驶： 自动驾驶车辆 中的感知堆栈依赖于检测行人、车辆和交通标志。由于远处的车辆相对于道路而言形状轮廓相对一致，使用针对这些形状定制的锚框可以确保稳健的 目标跟踪 和距离估计。

Link to this section基于锚框与无锚框对比#

区分传统的基于锚框的方法和现代的 无锚框检测器 非常重要。

• 基于锚框： 像最初的 Faster R-CNN 或早期的 YOLO 版本（例如 YOLOv5）等模型使用这些预定义的模板。它们很稳健，但通常需要手动调整超参数（锚框大小/比例）或使用 k-means 聚类 等聚类算法来适应新数据集。
• 无锚框： 包括 YOLO26 在内的高级模型通常采用无锚框或端到端的方法。这些网络直接预测物体中心或关键点，无需手动配置锚框。这简化了架构并通过消除处理数千个空背景锚框所需的计算，从而加快了 推理 速度。

Link to this section示例：访问锚框信息#

虽然现代的高级 API（如 Ultralytics Platform）在训练过程中抽象了这些细节，但在处理旧模型架构或分析模型配置文件时，了解锚框仍然很有用。以下代码片段展示了如何加载模型并检查其配置，其中锚框设置（如果存在）通常会在该处定义。

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 section挑战与注意事项#

尽管有效，但锚框引入了复杂性。生成的庞大锚框数量（通常每张图像有数万个）会造成类别不平衡问题，因为大多数锚框仅覆盖背景。像 Focal Loss 这样的技术被用来通过降低简单背景样本的权重来缓解这一问题。此外，最终输出通常需要 非极大值抑制 (NMS) 来过滤掉多余的重叠框，确保每个物体只保留置信度最高的检测结果。