La détection d'objets sans ancres est un paradigme en vision par ordinateur pour localiser et classifier des objets dans une image sans s'appuyer sur un ensemble prédéfini de boîtes d'ancrage. Les détecteurs d'objets traditionnels, tels que Faster R-CNN et SSD, utilisent un grand nombre de boîtes d'ancrage de différentes échelles et ratios d'aspect comme candidats de référence. Le détecteur affine ensuite ces ancres pour correspondre aux objets de vérité terrain. En revanche, les méthodes sans ancres prédisent directement les emplacements et les étendues des objets, souvent en identifiant des points clés tels que les centres ou les coins, ou en classifiant chaque pixel comme appartenant à la région centrale d'un objet. Cette approche réduit le nombre de choix de conception et la charge de calcul associés à la génération et à la correspondance des ancres, et il a été démontré qu'elle atteint une précision compétitive ou supérieure sur des références standard.
Le passage vers la détection sans ancres a été motivé par le désir de cadres de détection plus simples et plus flexibles. Les méthodes basées sur les ancres nécessitent un réglage minutieux des échelles, des ratios d'aspect et des nombres d'ancres, qui peut être spécifique à un ensemble de données. Les méthodes sans ancres éliminent ces hyperparamètres, ce qui les rend plus faciles à adapter à de nouveaux domaines. De plus, les détecteurs sans ancres ont souvent une architecture plus directe, ce qui peut être plus efficace tant en entraînement qu'en inférence. Le concept a gagné en importance avec le succès de modèles comme CornerNet, CenterNet et FCOS, qui ont démontré que les approches sans ancres peuvent égaler ou dépasser les performances de leurs homologues basés sur les ancres.
Contexte historique
L'idée de détecter des objets sans ancres trouve ses racines dans des travaux antérieurs sur la détection de points clés et la segmentation sémantique. Dans les années 2010, des méthodes comme le modèle de parties déformables (DPM) utilisaient des modèles basés sur des parties qui ne reposaient pas sur des ancres, mais celles-ci ont été largement remplacées par des approches d'apprentissage profond qui favorisaient les réseaux de proposition de régions basés sur les ancres. La résurgence de la détection sans ancres a commencé vers 2018 avec l'introduction de CornerNet, qui détectait les objets comme des paires de points clés de coin supérieur gauche et inférieur droit. Cela a été suivi par CenterNet, qui prédisait les centres des objets et leurs tailles, et FCOS (Fully Convolutional One-Stage), qui traitait la détection comme un problème de prédiction par pixel. Ces modèles ont montré que les méthodes sans ancres pouvaient atteindre des résultats de pointe sur des ensembles de données comme COCO, conduisant à une adoption généralisée dans les recherches ultérieures.
Principes fondamentaux
Les détecteurs sans ancres se répartissent généralement en deux catégories : basés sur les points clés et basés sur le centre. Les méthodes basées sur les points clés, comme CornerNet et ExtremeNet, identifient des points spécifiques sur les objets (par exemple, les coins ou les points extrêmes) puis les regroupent pour former des boîtes englobantes. Les méthodes basées sur le centre, comme CenterNet et FCOS, prédisent le centre de chaque objet puis régressent la distance du centre aux bords de la boîte englobante. FCOS prédit également un score de centralité pour pondérer à la baisse les prédictions de faible qualité éloignées du centre de l'objet. Ces méthodes utilisent souvent des réseaux entièrement convolutionnels et opèrent sur des cartes de caractéristiques denses, ce qui les rend naturellement compatibles avec les architectures modernes d'apprentissage profond comme les réseaux de neurones et les cadres de apprentissage profond.
Un avantage clé est l'élimination du processus de correspondance des ancres, qui peut être complexe et coûteux en calcul. Dans les méthodes basées sur les ancres, pendant l'entraînement, chaque ancre doit être assignée à un objet de vérité terrain ou à une étiquette d'arrière-plan en fonction des seuils d'Intersection sur Union (IoU). Les méthodes sans ancres assignent plutôt les étiquettes en fonction de l'emplacement spatial, comme le fait qu'un pixel tombe dans la région centrale d'un objet. Cela simplifie l'objectif d'entraînement et peut conduire à une convergence plus rapide.
Architectures notables
Plusieurs architectures sans ancres sont devenues influentes. CornerNet (2018) a introduit le concept de prédiction de cartes de chaleur pour les coins supérieur gauche et inférieur droit, ainsi que des embeddings pour regrouper les coins appartenant au même objet. CenterNet (2019) a simplifié cela en prédisant une seule carte de chaleur pour les centres des objets puis en régressant la largeur et la hauteur. FCOS (2019) a formulé la détection comme une tâche de prédiction dense, où chaque pixel prédit une boîte englobante s'il se trouve dans la région centrale d'un objet. Des modèles ultérieurs comme RepPoints (2019) et DETR (2020) ont encore repoussé les limites. DETR, qui utilise une architecture Transformer, traite la détection d'objets comme un problème de prédiction d'ensembles, éliminant complètement les composants artisanaux comme les ancres et la suppression non maximale. Ces modèles ont été intégrés dans diverses applications, y compris la conduite autonome et l'imagerie médicale.
Avantages et défis
Les détecteurs sans ancres offrent plusieurs avantages. Ils réduisent le nombre d'hyperparamètres, ce qui les rend plus faciles à régler et à déployer. Ils ont également tendance à avoir des pipelines plus simples, ce qui peut être plus efficace sur du matériel comme les GPU. De plus, ils sont plus adaptables à des formes ou échelles d'objets inhabituelles, car ils ne reposent pas sur des formes d'ancres prédéfinies. Cependant, ils font également face à des défis. Les méthodes basées sur les points clés peuvent avoir du mal avec des objets qui se chevauchent ou des objets avec des points clés ambigus. Les méthodes basées sur le centre peuvent avoir des difficultés avec des objets très grands ou très petits, car la région centrale peut être mal définie. De plus, certaines méthodes sans ancres nécessitent encore des étapes de post-traitement comme le regroupement ou la suppression non maximale, ce qui peut être un goulot d'étranglement.
Applications et impact
La détection sans ancres a été largement adoptée dans les systèmes du monde réel. Dans la conduite autonome, la détection des piétons, des véhicules et des panneaux de signalisation est critique, et les méthodes sans ancres offrent une robustesse aux tailles et formes d'objets variables. Dans la surveillance et la robotique, la simplicité des modèles sans ancres facilite le traitement en temps réel sur des appareils de périphérie. Des entreprises comme Waymo et Tesla Autopilot ont exploré de telles techniques pour leurs piles de perception. Le concept a également influencé d'autres tâches, comme la segmentation d'instances et l'estimation de pose, où des principes similaires de prédiction directe sont appliqués. En 2025, les méthodes sans ancres sont devenues un composant standard dans les cadres modernes de détection d'objets, souvent combinées avec des techniques basées sur les ancres dans des approches hybrides.