アンカーボックスとは
アンカーボックス（Anchor Box）とは、物体検出モデルにおいて、画像上の各位置に事前に配置される参照用の矩形領域です。モデルはゼロから物体の位置を予測するのではなく、これらのアンカーボックスからのオフセット（ずれ）を予測することで、物体のバウンディングボックスを効率的に推定します。プライアボックス、デフォルトボックスとも呼ばれます。
| ひとことで言うと | あらかじめ用意しておく、さまざまな大きさ・形の枠のひな形。 |
|---|---|
| 何がうれしいか | ゼロから枠を推定せず「ひな形からのズレ」を学べばよいので、学習が安定する。 |
| 注意点 | 対象物の形に合ったアンカーを設定しないと精度が出ない。 |
アンカーボックスの設計
アンカーボックスは複数のスケール（大きさ）とアスペクト比（縦横比）を持つように設計されます。例えば、Faster R-CNNでは3つのスケール（128, 256, 512ピクセル）と3つのアスペクト比（1:1, 1:2, 2:1）の組み合わせで9種類のアンカーボックスを各位置に配置します。学習データの物体サイズの分布を分析してアンカーボックスのサイズを決定するk-meansクラスタリングなどの手法も使われています。
1各位置にひな形配置縦長・横長・正方形
▶
2物体があるか判定各アンカーで確認
▶
3ズレを予測少し動かして合わせる
▶
4最終的な枠物体にぴったり合う
アンカーフリーへの流れ
アンカーボックスは有効な手法ですが、サイズやアスペクト比の設計にドメイン知識が必要で、大量のアンカーが計算コストを増加させるという課題があります。そのため、近年ではアンカーフリーの検出手法（CenterNet、FCOS、YOLOの最新版など）が登場しています。これらは物体の中心点やキーポイントを直接予測する方式で、設計の簡素化と性能向上を実現しています。