动手学习深度学习——锚框

锚框

目标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含我们感兴趣的目标，并调整区域边界从而更准确地预测目标的真实边界框.不同的模型使用的区域采样方法可能不同。 这里我们介绍其中的一种方法：以每个像素为中心，生成多个缩放比和宽高比（aspect ratio）不同的边界框。 这些边界框被称为锚框（anchor box）

用锚框检测的步骤

基于锚框的目标检测算法就是随机生成多个锚框，比较这些锚框与真实边缘框的差异来预测

• 提出多个被称为锚框的区域（边缘框）
• 预测每个锚框里是否含有关注的物体
• 如果是，预测这个锚框到真实边缘框的偏移

处理锚框

即计算锚框与真实边缘框的距离

并交比（IoU）
用来计算两个框之间的相似度

• 0表示无重叠，1表示重合
  这是Jaccard指数的一个特殊情况
  杰卡德系数（Jaccard）可以衡量两组之间的相似性。 给定集合和，他们的杰卡德系数是他们交集的大小除以他们并集的大小：
  
  

赋予锚框编号

为了训练目标检测模型，我们需要每个锚框的类别（class）和偏移量（offset）标签，其中前者是与锚框相关的对象的类别，后者是真实边界框相对于锚框的偏移量。

• 每个锚框是一个训练样本
• 将每个锚框，要么标注成背景，要么关联上一个真实边缘框
• 我们可能会生成大量锚框
  • 这可能会导致大量的父类样本

将真实边界框分配给锚框

• 算法步骤：
  
• 举例：
  矩阵的横向（1,2，3,4）表示边缘框（即图像中四个物体的真实边框），纵向（1到9表示随机生成的锚框）
  假设矩阵X中的最大值x23，我们将真实边界框B3分配给锚框A2。然后，我们丢弃矩阵第2行和第3列中的所有元素，在剩余元素（阴影区域）中找到最大的x71，然后将真实边界框B1分配给锚框A7。丢弃矩阵第7行和第1列中的所有元素，在剩余元素（阴影区域）中找到最大的x54，然后将真实边界框分配B4给锚框A5。 丢弃矩阵第5行和第4列中的所有元素，在剩余元素（阴影区域）中找到最大的x92，然后将真实边界框B2分配给锚框A9。之后，我们只需要遍历剩余的锚框A1,A3,A4,A6,A8，然后根据阈值确定是否为它们分配真实边界框。
  

使用非极大值抑制输出（NMS）

当有许多锚框时，可能会输出许多相似的具有明显重叠的预测边界框，都围绕着同一目标。 为了简化输出，我们可以使用非极大值抑制（non-maximum suppression，NMS）合并属于同一目标的类似的预测边界框。

• 工作原理
  

总结

• 我们以图像的每个像素为中心生成不同形状的锚框。
• 交并比（IoU）也被称为杰卡德系数，用于衡量两个边界框的相似性。它是相交面积与相并面积的比率。
• 在训练集中，我们需要给每个锚框两种类型的标签。一个是与锚框中目标检测的类别，另一个是锚框真实相对于边界框的偏移量。
• 在预测期间，我们可以使用非极大值抑制（NMS）来移除类似的预测边界框，从而简化输出