Зачем нужны anchor боксы в детекции?

Зачем нужны anchor боксы в детекции

Anchor боксы (якорные ящики) — это предопределённые рамки различных размеров и соотношений сторон, которые используются в задачах детекции объектов для предсказания местоположения и класса объектов на изображении.

Принцип работы anchor боксов

Anchor боксы решают фундаментальную проблему: как свернуть визуальную информацию изображения в предсказания о положении объектов? Вместо того чтобы предсказывать координаты объектов с нуля, сеть предсказывает смещения (offsets) от заранее определённых anchor боксов.

# Пример определения anchor боксов
import numpy as np

def generate_anchors(base_size=16, ratios=[0.5, 1, 2], scales=[8, 16, 32]):
    """Генерация набора anchor боксов"""
    anchors = []
    
    for scale in scales:
        for ratio in ratios:
            w = base_size * scale * np.sqrt(ratio)
            h = base_size * scale / np.sqrt(ratio)
            
            # Формат: [x_min, y_min, x_max, y_max]
            anchor = [-w/2, -h/2, w/2, h/2]
            anchors.append(anchor)
    
    return np.array(anchors)

anchors = generate_anchors()
print(f"Количество anchor боксов на точку: {len(anchors)}")  # 9

Основные преимущества anchor боксов

1. Упрощение задачи регрессии

Вместо предсказания абсолютных координат, сеть предсказывает:

• dx, dy — смещение центра относительно anchor
• dw, dh — логарифмическое изменение размера

# Вычисление целевых значений для регрессии
def encode_bbox(ground_truth, anchor):
    """Кодирование целевого бокса относительно anchor"""
    gt_cx = (ground_truth[0] + ground_truth[2]) / 2
    gt_cy = (ground_truth[1] + ground_truth[3]) / 2
    gt_w = ground_truth[2] - ground_truth[0]
    gt_h = ground_truth[3] - ground_truth[1]
    
    anchor_cx = (anchor[0] + anchor[2]) / 2
    anchor_cy = (anchor[1] + anchor[3]) / 2
    anchor_w = anchor[2] - anchor[0]
    anchor_h = anchor[3] - anchor[1]
    
    # Целевые значения для регрессии
    tx = (gt_cx - anchor_cx) / anchor_w
    ty = (gt_cy - anchor_cy) / anchor_h
    tw = np.log(gt_w / anchor_w)
    th = np.log(gt_h / anchor_h)
    
    return np.array([tx, ty, tw, th])

2. Покрытие различных масштабов и аспектов

Anchor боксы разных размеров и соотношений позволяют сети эффективно детектировать:

• Маленькие объекты (с маленькими anchor боксами)
• Большие объекты (с большими anchor боксами)
• Объекты разных пропорций (квадратные, вытянутые, узкие)

# Многоуровневые anchor боксы (как в FPN)
anchor_config = {
    'stride_8': {'scales': [8], 'ratios': [0.5, 1, 2]},      # маленькие объекты
    'stride_16': {'scales': [16], 'ratios': [0.5, 1, 2]},    # средние объекты
    'stride_32': {'scales': [32], 'ratios': [0.5, 1, 2]},    # большие объекты
}

3. Параллельная обработка

Все anchor боксы можно обрабатывать параллельно, что позволяет:

• Использовать пакетные вычисления (batching)
• Ускорить обучение и инфиренс
• Легко реализовать на GPU

Архитектуры, использующие anchor боксы

Следующие популярные сети используют anchor боксы:

1. Faster R-CNN — использует Region Proposal Network (RPN) с anchor боксами
2. YOLO — предсказывает смещения относительно cell-centered anchors
3. SSD (Single Shot MultiBox Detector) — использует multi-scale anchors
4. Retina Net — специализированная сеть с focal loss для работы с imbalanced данными

Недостатки и альтернативы

Проблемы с anchor боксами:

• Ручная настройка гиперпараметров (масштабы, соотношения)
• Чувствительность к распределению объектов в данных
• Большое количество anchor боксов = много вычислений и памяти

Современные альтернативы:

• Keypoint-based методы (CenterNet) — предсказание центра объекта без anchors
• Anchor-free методы (FCOS) — прямое предсказание координат каждого пикселя

# FCOS подход (anchor-free)
# Вместо anchor боксов, предсказываем для каждого пикселя:
# - l, r, t, b (расстояния до краёв объекта)
# - class score (вероятность объекта в этом пикселе)

predictions = model(image)
# Форма: [batch, height, width, (l, r, t, b, num_classes)]

Практические советы

При работе с anchor боксами:

1. Анализируйте распределение объектов в вашем датасете
2. Подбирайте anchor боксы под реальное распределение размеров и аспектов
3. Используйте IoU (Intersection over Union) для сопоставления anchor боксов с ground truth
4. Балансируйте положительные и отрицательные примеры (объекты vs фон)
5. Экспериментируйте с количеством anchors — больше не всегда лучше

Заключение

Anchor боксы — это мощный механизм, который позволил революционизировать объектную детекцию. Они превращают задачу детекции в управляемую задачу регрессии с хорошо определённым пространством поиска. Несмотря на появление anchor-free методов, anchor боксы остаются стандартом в индустрии благодаря своей эффективности и интуитивности.