Существуют ли методы детекции объектов без использования anchor boxes?

Да, существуют современные и эффективные архитектуры для детекции объектов, которые полностью отказываются от anchor boxes. Anchor-based методы (как в Faster R-CNN или YOLOv3-v5) требуют ручного подбора гиперпараметров (размеров, соотношений сторон якорей), что усложняет конвейер.

Ключевые anchor-free подходы:

1. Методы, основанные на ключевых точках (Keypoint-based):

   • CenterNet (Objects as Points): Модель предсказывает тепловую карту центров объектов, их ширину и высоту, а также смещение для более точной локализации. Это простой и эффективный подход.

     # Псевдокод логики вывода CenterNet
     heatmap = model(image)['center_heatmap']  # Карта вероятностей центров объектов
     wh = model(image)['wh']                   # Предсказание ширины и высоты
     # Поиск пиков в heatmap и декодирование в bounding boxes [x1, y1, x2, y2]
     boxes = decode_predictions(heatmap, wh)

2. Методы, основанные на прямом предсказании (Dense Prediction):

   • YOLOv1: Исторически первый anchor-free метод YOLO предсказывал bounding boxes напрямую для каждой ячейки грида.
   • FCOS (Fully Convolutional One-Stage): Каждый пиксель классифицируется и регрессирует расстояния до границ объекта (left, top, right, bottom).

3. Трансформеры (Transformer-based):

   • DETR (DEtection TRansformer): Использует архитектуру Transformer (энкодер-декодер) для трактовки детекции как задачи прямого предсказания множества объектов. Модель выдает фиксированный набор предсказаний, которые сопоставляются с ground truth с помощью Hungarian algorithm.

Преимущества anchor-free методов:

• Упрощение конвейера (не нужно настраивать anchor boxes).
• Часто более высокая скорость обучения и вывода.
• Лучшая работа с объектами нестандартных размеров.

Недостатки:

• Некоторые методы (особенно ранние) могут уступать в точности на мелких объектах по сравнению с тщательно настроенными anchor-based подходами, хотя современные архитектуры этот разрыв закрыли.