anchorbox

参考：吴恩达 卷积神经网络

anchor box 是目标检测中十分重要的概念，虽然最近很多论文都提出anchor free，但是深入理解anchor box对我们理解目前主流的faster rcnn，ssd，yolov2v3等算法很有帮助。

传统方法：

1.滑动窗口：顾名思义，采用一个固定大小的窗口在图上不断滑动截取固定大小的图片，从左到右，从上到下，遍历整个图片。依次判断截取下的框包不包含目标。然后改变框的尺寸继续搜索，类似一种暴力穷举的方法，的确可行，但是但图片尺寸较大的时候，该方法特别浪费时间。（滑动操作可用卷积来实现）

2.Regional Proposal(RPN)：建议框，即在滑动窗口的思想上，提取出所有可能包含识別目标的一些候迭区域，相比于传统的候选区域而言，Regional Proposal数量上会更少(通常1K~2K个) ,质量更高。

为什么需要anchor box？

如上图，基于滑动窗口的方法，还有yolov1里的方法，每个网格的框只能预测一个类别，不能进行多类预测。提出anchor box可以很好的解决这个问题。

如图，车和人的中心点正好重合在一点，如果仍然采用原来的输出y，那么将无法结果。必须从两个中选一个。

采用anchor box的思路是，预先定义两个（一般为很多个）不同形状的anchor box，我们需要做的就是将预测结果与这两个anchor box关联起来，

也就是定义输出为右边这个向量y的形式。

对于行人而言，其形状更类似于anchor box1，所以将其分配到y的上半部分，其中行人的类别为为1，即c1=1，c2=c3=0。同理，把车分配到y的下半部分。

和之前相同的是，每个对象都根据中点位置分配到中点所在的网格里，与之间不同的是，每个对象还分配到一个和ground truth iou最高的anchor box ，也就是所，这个对象分配到一对（网格，anchor box），如下图：

如果该网格里只有人，没有车，那么此时输出y中 anchor box2分量还是不变，anchor box1置信度为0，其他的do not care，如下图：

  还有一种情况，两个对象都在同一个网格中，且两个对象的anchor box 形状也一样。这是算法处理不好的另一种情况，你需要引入一些打破僵局的默认手段，专门处理这种情况，希望你的数据集里不会出现这种情况，其实出现的情况不多，所以对性能的影响应该不会很大。

  建立anchor box的原因是为了处理两个对象出现在同一个格子的情况，实际中这种情况很少发生，特别是如果你用的是19×19网格而不是3×3的网格，两个对象中点处于361个格子中同一个格子的概率很低，确实会出现，但出现频率不高。

怎么选择anchor box？

  人们一般手工指定anchor box形状，你可以选择5到10个anchor box形状，覆盖到多种不同的形状，可以涵盖你想要检测的对象的各种形状。还有一个更好的方法，在yolov2中使用的kmeans算法，可以将两类对象形状聚类，如果我们用它来选择一组anchor box，选择最具有代表性的一组anchor box，可以代表你试图检测的十几个对象类别，但这其实是自动选择anchor box的高级方法。如果你就人工选择一些形状，合理的考虑到所有对象的形状，你预计会检测的很高很瘦或者很宽很胖的对象，这应该也不难做。