Anchor-Based 与 Anchor-Free

学习视频：番外 ｜ anchor-based 与 anchor-free 、anchor 与 anchor-point、grid cell_哔哩哔哩_bilibili

这个b站博主讲的非常好，她的其他讲解视频也很牛，非常推荐大家看一下

---

目录

1. grid cell

2. Anchor-Based

2.1 anchor宽高

2.2 网络输出形式

2.3 预测框坐标计算

3. Anchor-Free

3.1 anchor point

3.2 网络输出形式

3.3 预测框坐标计算

---

1. grid cell

grid cell

如上图，如果把某个 grid cell 按照对应的缩放倍数给映射到原图像中，映射到原图上的网格大小就是这个像素对应的感受野

2. Anchor-Based

一般我们所说的 anchor 指的是只有宽高信息的 anchor ，因为 anchor 的位置是约定俗成的指每个 feature map 像素的位置

2.1 anchor宽高

• 一般根据经验，或者通过对数据集中的所有真实框的宽高进行聚类确定 anchors 的宽高，它是一个先验信息
• 针对每个 feature map （不同尺度），一般会设计 3 个不同尺寸（宽高）的 anchor

比如， YOLOv5 网络输出 3 个不同尺寸的 feature map ，每个 feature map 对应 3 个尺寸的anchor 

举例：

YOLOv5网络输出p和anchors

 feature map 中的每一个像素都会生成该尺度下的 3 个不同尺寸的 anchor

所以， anchor 的数量一共有：（80 x 80 + 40 x 40 + 20 x 20）x 3 = 25200 个

相应的，预测框的数量就是 25200 个

2.2 网络输出形式

网络输出的定位部分/回归部分形式为：

举例：

对于 YOLOv5 的目标检测任务来说，它的分类检测头和定位检测头用的是同一个，是耦合在一起的，所以它的分类部分预测数据和定位部分的预测数据是在一起的，都是包含在下图例子中的 85 里面

例子

2.3 预测框坐标计算

预测框坐标计算方法如下图所示

预测框坐标计算

YOLOv3 、 YOLOv5 都是 anchor-based 

（1）预测框的中心点坐标都是基于 feature map 中像素左上角点 cx，cy 计算得到

（2）预测框的宽高都是基于 anchor 的宽高计算得到，这也是 Anchor-Based 名称的由来，即预测框的宽和高是 based 在 anchor 宽和高上的

3. Anchor-Free

 Anchor-Free 即移除了 anchor ，所以不再需要提前设计 anchor 的宽和高. YOLOv8 就是基于 Anchor-Free

3.1 anchor point

 anchor point：是 feature map 中每个像素点的中心坐标（亚像素坐标）

下图是以 YOLOv8 举例，其网络同样是输出三个 feature map

每个 anchor point 对应一个预测框，所以 YOLOv8 预测框数量 = anchor point 数量 = 80 x 80 + 40 x 40 + 20 x 20 = 8400，相较于 YOLOv5 ，预测框数量少了 2/3 

3.2 网络输出形式

网络输出的定位部分/回归部分形式为： 

以 YOLOv8 举例：

3.3 预测框坐标计算

YOLOv8中，针对每一个预测框的  的 4 个值，网络输出 4 个值对应的长度为 16 的向量。想知道为什么要这样设计和怎么得到最终的  值，可以学习一下 Distribution Focal Loss

(l，t，r，b)的含义

预测出的 l、t、r、b 数值是相对 feature map 尺寸的，要映射回原图像尺寸，还要乘以 s (s为 feature map 相对于原图像的缩放比例)

所以，预测出的 bbox 在原图上的坐标分别为：

预测框坐标计算

上图中，是预测框在 feature map 尺度下的坐标，是在原图像尺度下的坐标