目标检测之anchor

目标检测中长出现的anchor，表示固定的参考框。

anchor技术：
将问题转换为“这个参考框中有没有认识的目标，目标偏离参考框多远”
首先预设一组不同尺度，不同位置的固定参考框，覆盖几乎所有位置和尺度
每个参考框负责检测，与其交并比大于阈值（训练预设值，常用0.5或0.7）的目标

计算每个像素256-d的9个尺度下的值，得到9个anchor，
我们给每个anchor分配一个二进制的标签（前景背景）。
我们分配正标签前景给两类anchor：
1）与某个ground truth（GT）包围盒有最高的IoU重叠的anchor（也许不到0.7）
2）与任意GT包围盒有大于0.7的IoU交叠的anchor。注意到一个GT包围盒可能分配正标签给多个anchor。
我们**分配负标签（背景）**给与所有GT包围盒的IoU比率都低于0.3的anchor。
非正非负的anchor对训练目标没有任何作用，由此输出维度为（2*9）18，一共18维。

假设在conv5 feature map中每个点上有k个anchor（默认k=9），而每个anhcor要分foreground和background，
所以每个点由256-d feature转化为cls=2k scores；而每个anchor都有[x, y, w, h]对应4个偏移量，所以reg=4k coordinates

补充，全部anchors拿去训练太多了，训练程序会在合适的anchors中随机选取128个postive