锚箱

锚点框是预先定义的参考矩形，具有特定的宽高比和比例，分布在图像各处以协助目标检测模型定位和分类物体。相较于要求神经网络从零开始预测物体的精确尺寸和位置——这种方法因物体形状的多样性可能导致结果不稳定——该模型将这些固定模板作为起点。 通过学习如何调整（即"回归"）这些初始框以匹配实际目标，系统能实现更快的收敛速度和更高的准确率。该技术将复杂的定位任务简化为更易处理的优化问题，从而从根本上革新了计算机视觉（CV）领域。

锚定框的机制

在经典锚点检测器中，输入图像会被划分为网格单元。在每个单元位置，网络会生成多个几何形状各异的锚点框。例如，为同时detect 高detect 人与宽体汽车，模型可能在同一中心点处生成一个高而窄的框和一个矮而宽的框。

During model training, these anchors are matched against actual objects using a metric called Intersection over Union (IoU). Anchors that overlap significantly with a labeled object are designated as "positive" samples. The network then learns two parallel tasks:

1. 分类：为锚文本分配概率分数，表明其包含特定类别（如"狗"或"自行车"）的可能性。该过程采用标准监督学习目标，例如交叉熵损失。
2. 框回归：它计算精确的偏移值（坐标偏移和缩放因子）， 用于将通用锚点转换为紧密贴合的 边界框。

该方法使模型能够处理多个尺寸不同且彼此邻近的物体，因为每个物体 都可以被分配到最符合其形状的锚点上。

实际应用

尽管新型架构正朝着无锚点设计方向发展，但在许多成熟的生产系统中，锚点框依然至关重要——这些系统中物体的特征具有可预测性。

• 零售与库存管理： 在人工智能驱动的零售解决方案中，摄像头实时监控货架库存。由于谷物盒或汽水罐等商品具有标准化尺寸，锚定盒可针对这些特定宽高比进行调校。这种先验知识使模型即使在杂乱环境中也能保持高召回率。
• 自动驾驶： 自动驾驶车辆的感知系统依赖于检测行人、车辆和交通标志。由于远距离观察到的汽车相对于道路具有相对稳定的轮廓形状，采用针对这些形状定制的锚点可确保实现稳健的物体追踪与距离估算。

有锚与无锚

区分传统的锚点法与现代无锚点检测器至关重要。

• 锚点基准模型：如原始的 Faster R-CNN或早期YOLO （例如YOLOv5）采用这些 预定义模板。它们具有鲁棒性，但通常需要手动调整超参数（锚点尺寸/比例）或 采用聚类算法（如 k-means 聚类）来适应新数据集。
• 无锚点： 包括YOLO26在内的高级模型通常采用无锚点或端到端方法。这类网络直接预测物体中心或关键点，无需人工配置锚点。通过消除处理数千个空背景锚点的计算需求，这种方法简化了架构并加速了推理过程。

示例：访问锚点信息

虽然现代高级API（Ultralytics ）在训练过程中会抽象掉这些细节，但理解锚点在处理旧版模型架构或分析模型配置文件时仍很有用。以下代码片段演示了如何加载模型并检查其配置，其中锚点设置（若存在）通常在此处定义。

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.")

挑战与考量

尽管锚框技术效果显著，但其引入了复杂性。海量锚框（每张图像常达数万个）导致类别失衡问题，因多数锚框仅覆盖背景。 为缓解此问题，采用焦点损失等技术通过降低易识别背景样本的权重进行补偿。此外，最终输出通常需要非最大抑制（NMS）过滤冗余重叠框，确保每个目标仅保留最可靠的检测结果。