無錨框偵測

無錨框偵測直接從影像位置——點、中心或角點——預測物件，而不先鋪設一格預先定義的錨框。其動機是刪掉錨框帶來的整套麻煩：它們的尺度與長寬比是你必須針對資料調整的超參數，它們製造出大多為背景的框、造成嚴重失衡，而以 IoU 把錨框匹配到物件又是一套繁瑣、依資料集而異的配方。若你能在從不定義任何錨框的情況下偵測物件，這一切都會消失。

主要有兩種風味。基於關鍵點的方法以特殊的點代表物件並把它們分組：CornerNet 預測左上與右下角點的熱圖，並透過學習得來的嵌入把屬於同一物件的角點配對；CenterNet（「Objects as Points」變體）更簡單，每類別預測單一個中心點熱圖，外加在每個峰值處回歸寬／高與一個小偏移——偵測變成關鍵點估計，在框的意義上沒有 NMS。ExtremeNet 則使用極點（最上、最左等）。

中心／密集方法保留 RetinaNet 那種逐像素的密集預測風格，但拋棄錨框。FCOS（Fully Convolutional One-Stage）把每一個落在真實框內部的特徵圖位置視為正樣本，並在該位置直接回歸到框的左／右／上／下四條邊的距離，外加一個類別分數與一個「中心度」（center-ness）分數，後者降低離物件中心較遠之預測的權重（一個對 NMS 友善之信心值的學習版替代品）。多個 FPN 層級則解決每個位置該負責哪個尺度的物件。

無錨框偵測器在準確度上匹敵或勝過基於錨框者，同時超參數更少、程式碼往往更簡單，這正是現代 YOLO 系列（v8 起）與許多生產用偵測器轉向無錨框的原因。注意多數仍依賴 NMS 去除重複偵測——「無錨框」移除的是錨框先驗，未必移除後處理；連 NMS 也完全移除，是 DETR 這類集合預測 transformer 另外的貢獻。