fasterrcnn如何生成anchors

      本文就faster rcnn中anchors的函数generate_anchors.py为例，介绍anchors的生成过程。

      首先看下主函数入口。论文中提到anchor两个参数：ratios和scales，长宽比和尺度变换都需要有个基础anchor的大小，也就是base_size的由来，至于16的由来，则等于网络的输入大小 / 特征图大小(生成anchor的feature map层)

def generate_anchors(base_size=16, ratios=[0.5, 1, 2],
scales=2**np.arange(3, 6))

      这样，" base_anchor = np.array([1, 1, base_size, base_size]) - 1 "就表示基础anchor的大小了。

      其次，看下如何生成长宽比不同的anchors。这里是对anchor的宽高都进行了改变，具体是将宽变为

整个计算流程如下：

>>> base_size=16
>>> ratios=[0.5, 1, 2]
>>> scales=2**np.arange(3, 6)
>>> base_anchor = np.array([1, 1, base_size, base_size]) - 1
>>> ratio_anchors = _ratio_enum(base_anchor, ratios)
>>> scale_anchors_0 =_scale_enum(ratio_anchors[0, :], scales)
>>> ratio_anchors.shape
(3, 4)
>>> scale_anchors_0.shape
(3, 4)
>>> ratio_anchors
array([[-3.5, 2. , 18.5, 13. ],
[ 0. , 0. , 15. , 15. ],
[ 2.5, -3. , 12.5, 18. ]])
>>> scale_anchors_0
array([[ -84., -40., 99., 55.],
[-176., -88., 191., 103.],
[-360., -184., 375., 199.]])
>>> anchors = np.vstack([_scale_enum(ratio_anchors[i, :], scales) for i in xrange(ratio_anchors.shape[0])])
>>> anchors.shape
(9, 4)
>>> anchors
array([[ -84., -40., 99., 55.],
[-176., -88., 191., 103.],
[-360., -184., 375., 199.],
[ -56., -56., 71., 71.],
[-120., -120., 135., 135.],
[-248., -248., 263., 263.],
[ -36., -80., 51., 95.],
[ -80., -168., 95., 183.],
[-168., -344., 183., 359.]])

参考文献：

1.  https://github.com/smallcorgi/Faster-RCNN_TF/blob/master/lib/rpn_msr/generate_anchors.py