Ankerbokse

Hvorfor Anchor Boxes bruges i objektdetektion

Anchor boxes er et grundlæggende koncept i moderne objektdetektionsmodeller såsom Faster R-CNN og YOLO. De fungerer som foruddefinerede referencebokse, der hjælper med at detektere objekter i forskellige størrelser og billedformater, hvilket gør detektionen hurtigere og mere pålidelig.

I stedet for at detektere objekter fra bunden bruger modeller anchor boxes som udgangspunkt og justerer dem for bedre at tilpasse sig de detekterede objekter. Denne tilgang forbedrer effektivitet og nøjagtighed, især ved detektion af objekter i varierende skala.

Forskel mellem Anchor Box og Bounding Box

• Anchor Box: en foruddefineret skabelon, der fungerer som reference under objektdetektion;
• Bounding Box: den endelige forudsagte boks efter justeringer af en anchor box for at matche det faktiske objekt.

I modsætning til afgrænsningsbokse, som justeres dynamisk under forudsigelse, er ankerbokse fastsat på specifikke positioner, før nogen objektdetektion finder sted. Modeller lærer at forfine ankerbokse ved at justere deres størrelse, position og størrelsesforhold, hvilket til sidst omdanner dem til endelige afgrænsningsbokse, der nøjagtigt repræsenterer de detekterede objekter.

Hvordan et netværk genererer ankerbokse

Ankerbokse anvendes ikke direkte på et billede, men derimod på feature maps, der er udtrukket fra billedet. Efter feature-ekstraktion placeres et sæt ankerbokse på disse feature maps, varierende i størrelse og størrelsesforhold. Valget af ankerboksformer er afgørende og indebærer en balance mellem detektion af små og store objekter.

For at definere størrelser på ankerbokse anvender modeller typisk en kombination af manuel udvælgelse og klyngealgoritmer som K-Means til at analysere datasættet og bestemme de mest almindelige objektformer og -størrelser. Disse foruddefinerede ankerbokse anvendes derefter på forskellige placeringer på feature maps. For eksempel kan en objektdetektionsmodel anvende ankerbokse i størrelserne (16x16), (32x32), (64x64), med størrelsesforhold som 1:1, 1:2, and 2:1.

Når disse anchor boxes er defineret, anvendes de på feature maps, ikke det originale billede. Modellen tildeler flere anchor boxes til hver position i feature mappet, hvilket dækker forskellige former og størrelser. Under træning justerer netværket anchor boxes ved at forudsige forskydninger, hvilket forfiner deres størrelse og position for bedre at tilpasse sig objekter.

Fra Anchor Box til Bounding Box

Når anchor boxes er tildelt objekter, forudsiger modellen forskydninger for at forfine dem. Disse forskydninger omfatter:

• Justering af boksens centerkoordinater;
• Skalering af bredde og højde;
• Forskydning af boksen for bedre at tilpasse sig objektet.

Ved at anvende disse transformationer konverterer modellen anchor boxes til endelige bounding boxes, der nøje matcher objekterne i et billede.

Tilgange uden brug af ankre eller med reduceret antal ankre

Selvom ankerbokse er udbredt, forsøger nogle modeller at mindske afhængigheden af dem eller helt undlade dem:

• Ankerfri metoder: Modeller som CenterNet og FCOS forudsiger objekters placering direkte uden foruddefinerede ankre, hvilket reducerer kompleksiteten;
• Reducerede anker-tilgange: EfficientDet og YOLOv4 optimerer antallet af anvendte ankerbokse for at balancere detektionshastighed og nøjagtighed.

Disse tilgange har til formål at forbedre effektiviteten af objektdetektion og samtidig opretholde høj ydeevne, især til realtidsapplikationer.

Sammenfattende er ankerbokse en central del af objektdetektion og hjælper modeller med effektivt at detektere objekter på tværs af forskellige størrelser og størrelsesforhold. Nye fremskridt undersøger dog måder at reducere eller eliminere ankerbokse for endnu hurtigere og mere fleksibel detektion.