Descobre como os detectores baseados em âncoras revolucionam a deteção de objectos, identificando com precisão objectos de todos os tamanhos em diversas aplicações, como IA e ML.
Os detectores baseados em âncoras são uma categoria de modelos de deteção de objectos amplamente utilizados no domínio da visão por computador. Estes modelos utilizam caixas predefinidas, conhecidas como "âncoras", para prever a localização e as classes de objectos numa imagem. As âncoras servem como pontos de referência, ajudando o modelo a gerar propostas para potenciais objectos. São particularmente úteis para detetar objectos de vários tamanhos e formas, o que as torna uma escolha popular em muitas arquitecturas de deteção de objectos.
Os detectores baseados em âncoras funcionam utilizando uma grelha de caixas de âncoras com diferentes escalas e proporções que deslizam pela imagem. Cada caixa de ancoragem está estrategicamente posicionada para cobrir uma gama de potenciais tamanhos e formas de objectos. Durante o processo de treino, o modelo aprende a classificar cada caixa de ancoragem como contendo um objeto ou apenas fundo. Também aperfeiçoa a posição destas caixas de ancoragem para detetar objectos com precisão. Este refinamento envolve o ajuste das dimensões e da posição da caixa de ancoragem para melhor corresponder à caixa de delimitação real do objeto. O resultado final é um conjunto de caixas de delimitação, cada uma com uma etiqueta de classe correspondente e uma pontuação de confiança, indicando a probabilidade de um objeto estar presente.
Os detectores baseados em âncoras são amplamente utilizados em várias indústrias devido à sua robustez e adaptabilidade. São particularmente eficazes em cenários em que os objectos podem aparecer em diferentes escalas e proporções.
Eis dois exemplos concretos de aplicações no mundo real:
Os detectores baseados em âncoras são também utilizados nos cuidados de saúde para análise de imagens médicas, na agricultura para monitorização de culturas e gado e na indústria transformadora para controlo de qualidade e deteção de defeitos.
Os detectores baseados em âncoras oferecem várias vantagens que os tornam adequados para uma vasta gama de aplicações:
Vários modelos populares de deteção de objectos utilizam abordagens baseadas em âncoras. Por exemplo, as versões anteriores da família Ultralytics YOLO como o YOLOv4, são detectores baseados em âncoras bem conhecidos. Outros modelos notáveis incluem o Faster R-CNN, que introduziu o conceito de uma Rede de Proposta de Região (RPN) para gerar propostas de região usando âncoras, e o Single Shot MultiBox Detetor (SSD)(fonte), que usa vários mapas de caraterísticas em diferentes escalas para detetar objectos.
Embora os detectores baseados em âncoras tenham sido muito bem sucedidos, têm algumas limitações. A utilização de caixas de ancoragem predefinidas pode introduzir hiperparâmetros adicionais e complexidade computacional. Os detectores sem âncoras, por outro lado, prevêem diretamente a localização do objeto sem depender de caixas predefinidas. Esta abordagem simplifica o processo de deteção e pode ser mais eficiente em determinados cenários. No entanto, os detectores baseados em âncoras continuam a ser uma escolha forte para muitas aplicações devido à sua capacidade de lidar com objectos de várias escalas e ao seu histórico comprovado em termos de precisão. Para saber mais sobre as vantagens da deteção sem âncoras, pode ler este artigo sobre as vantagens de Ultralytics YOLO11 ser um detetor sem âncoras.