A detecção de objetos sem âncoras é um paradigma na visão computacional para localizar e classificar objetos dentro de uma imagem sem depender de um conjunto predefinido de caixas de âncora. Detectores de objetos tradicionais, como Faster R-CNN e SSD, usam um grande número de caixas de âncora de várias escalas e proporções de aspecto como candidatos de referência. O detector então refina essas âncoras para corresponder aos objetos reais. Em contraste, os métodos sem âncoras preveem diretamente as localizações e extensões dos objetos, frequentemente identificando pontos-chave, como centros ou cantos, ou classificando cada pixel como pertencente à região central de um objeto. Essa abordagem reduz o número de escolhas de design e a sobrecarga computacional associada à geração e correspondência de âncoras, e tem demonstrado alcançar precisão competitiva ou superior em benchmarks padrão.
A mudança para a detecção sem âncoras foi impulsionada pelo desejo de frameworks de detecção mais simples e flexíveis. Métodos baseados em âncoras exigem ajuste cuidadoso de escalas, proporções de aspecto e números de âncoras, que podem ser específicos do conjunto de dados. Métodos sem âncoras eliminam esses hiperparâmetros, tornando-os mais fáceis de adaptar a novos domínios. Além disso, detectores sem âncoras frequentemente têm uma arquitetura mais direta, que pode ser mais eficiente tanto no treinamento quanto na inferência. O conceito ganhou destaque com o sucesso de modelos como CornerNet, CenterNet e FCOS, que demonstraram que abordagens sem âncoras podem igualar ou superar o desempenho de suas contrapartes baseadas em âncoras.
Contexto Histórico
A ideia de detectar objetos sem âncoras tem raízes em trabalhos anteriores sobre detecção de pontos-chave e segmentação semântica. Na década de 2010, métodos como o Deformable Parts Model (DPM) usavam modelos baseados em partes que não dependiam de âncoras, mas foram amplamente substituídos por abordagens de aprendizado profundo que favoreciam redes de propostas de regiões baseadas em âncoras. O ressurgimento da detecção sem âncoras começou por volta de 2018 com a introdução do CornerNet, que detectava objetos como pares de pontos-chave de canto superior esquerdo e inferior direito. Isso foi seguido pelo CenterNet, que previa centros de objetos e seus tamanhos, e pelo FCOS (Fully Convolutional One-Stage), que tratava a detecção como um problema de previsão por pixel. Esses modelos mostraram que métodos sem âncoras poderiam alcançar resultados de última geração em conjuntos de dados como COCO, levando à adoção generalizada em pesquisas subsequentes.
Princípios Fundamentais
Detectores sem âncoras geralmente se enquadram em duas categorias: baseados em pontos-chave e baseados em centro. Métodos baseados em pontos-chave, como CornerNet e ExtremeNet, identificam pontos específicos nos objetos (por exemplo, cantos ou pontos extremos) e então os agrupam para formar caixas delimitadoras. Métodos baseados em centro, como CenterNet e FCOS, preveem o centro de cada objeto e então regridem a distância do centro até as bordas da caixa delimitadora. O FCOS também prevê uma pontuação de centralidade para reduzir o peso de previsões de baixa qualidade distantes do centro do objeto. Esses métodos frequentemente usam redes totalmente convolucionais e operam em mapas de características densos, tornando-os naturalmente compatíveis com arquiteturas modernas de aprendizado profundo, como redes neurais e frameworks de aprendizado profundo.
Uma vantagem fundamental é a eliminação do processo de correspondência de âncoras, que pode ser complexo e computacionalmente intensivo. Em métodos baseados em âncoras, durante o treinamento, cada âncora deve ser atribuída a um objeto real ou rótulo de fundo com base em limites de Intersecção sobre União (IoU). Métodos sem âncoras, em vez disso, atribuem rótulos com base na localização espacial, como se um pixel cai dentro da região central de um objeto. Isso simplifica o objetivo de treinamento e pode levar a uma convergência mais rápida.
Arquiteturas Notáveis
Várias arquiteturas sem âncoras tornaram-se influentes. O CornerNet (2018) introduziu o conceito de prever mapas de calor para cantos superiores esquerdos e inferiores direitos, juntamente com embeddings para agrupar cantos pertencentes ao mesmo objeto. O CenterNet (2019) simplificou isso prevendo um único mapa de calor para centros de objetos e então regredindo largura e altura. O FCOS (2019) formulou a detecção como uma tarefa de previsão densa, onde cada pixel prevê uma caixa delimitadora se estiver dentro da região central de um objeto. Modelos posteriores como RepPoints (2019) e DETR (2020) ampliaram ainda mais os limites. O DETR, que usa uma arquitetura Transformer, trata a detecção de objetos como um problema de previsão de conjuntos, eliminando completamente componentes artesanais como âncoras e supressão não máxima. Esses modelos foram integrados em várias aplicações, incluindo direção autônoma e imagem médica.
Vantagens e Desafios
Detectores sem âncoras oferecem vários benefícios. Eles reduzem o número de hiperparâmetros, tornando-os mais fáceis de ajustar e implantar. Eles também tendem a ter pipelines mais simples, que podem ser mais eficientes em hardware como GPUs. Além disso, são mais adaptáveis a formas ou escalas incomuns de objetos, pois não dependem de formas de âncora predefinidas. No entanto, também enfrentam desafios. Métodos baseados em pontos-chave podem ter dificuldades com objetos sobrepostos ou objetos com pontos-chave ambíguos. Métodos baseados em centro podem ter dificuldades com objetos muito grandes ou muito pequenos, pois a região central pode ser mal definida. Além disso, alguns métodos sem âncoras ainda exigem etapas de pós-processamento, como agrupamento ou supressão não máxima, que podem ser um gargalo.
Aplicações e Impacto
A detecção sem âncoras foi amplamente adotada em sistemas do mundo real. Na direção autônoma, detectar pedestres, veículos e sinais de trânsito é crítico, e métodos sem âncoras oferecem robustez a tamanhos e formas variados de objetos. Em vigilância e robótica, a simplicidade dos modelos sem âncoras facilita o processamento em tempo real em dispositivos de borda. Empresas como Waymo e Tesla Autopilot exploraram tais técnicas para pilhas de percepção. O conceito também influenciou outras tarefas, como segmentação de instâncias e estimativa de pose, onde princípios semelhantes de previsão direta são aplicados. Em 2025, métodos sem âncoras tornaram-se um componente padrão em frameworks modernos de detecção de objetos, frequentemente combinados com técnicas baseadas em âncoras em abordagens híbridas.