What's is Anchor in Neural Network？

本文是对外文的一个翻译总结。正如文章大标题：“Neural Networks Intuitions”所写， 原文对Anchors多一个直观的解释，但下面所述限于自己的理解和语言表达水平，不能展原文精彩！

原文：https://towardsdatascience.com/neural-networks-intuitions-5-anchors-and-object-detection-fc9b12120830

Anchor本意船锚，在神经网络中实在介绍目标检测是引入的一个概念，大众翻译为锚框或锚点。目标识别需要分为需要两部，第一步确定目标在图像中的位置ROI （Region of interest）；第二步确定ROI中的类别，也即哪一类。我们确定好的ROI在图像中的偏移量（offset），也即一个矩形顶点的四个左边称为Anchors。

通过上面的介绍，我们知道object检测则最终结果有两个，一个目标在图像中的位置（由四个Anchors确定），两位一个是目标的类别？我们可能不禁要问如何确定图像的位置（不对分类进行讨论）？

上图是一个77的特征图，padding= 1，我们使用一个33 的过滤器进行对特征图在特征图上移动，此过程也即图像的卷积操作，每隔个2strides移动一下，一共可以得到16组Anchors，每组Anchor数记录每次fliter的四个位置。如果我们要检测一个不同尺寸的物体，是否需要没个fliter做一遍卷积？答案是NO。

在上面的卷积中有三个fliter 3x3(黄色),fliter3x1（绿色）和fliter1x3(蓝色)，一遍都可以完成三个卷积的操作，这也是YOLO（You Only Look Once）网络名字的含义。