本文介绍了目标检测算法中锚框（Anchor Box）的概念，它是以每个像素为中心生成不同大小和宽高比的边界框，用于预测目标的真实边界。在PyTorch中，通过指定输入尺寸、一组大小参数和宽高比，可以生成多个锚框，以降低计算复杂度。锚框的相似度通常通过交并比（IoU）来量化，它是衡量锚框与真实边界框重合程度的指标。
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，并调整区域边缘从而更准确地预测目标的真实边界框（ground-truth bounding box）。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：它以每个像素为中心生成多个大小和宽高比（aspect ratio）不同的边界框。这些边界框被称为锚框（anchor box）。我们将在后面基于锚框实践目标检测。
注: 建议想学习用PyTorch做检测的童鞋阅读一下仓库a-PyTorch-Tutorial-to-Object-Detection。
先导入一下相关包。
假设输入图像高为 h h h，宽为 w w w。我们分别以图像的每个像素为中心生成不同形状的锚框。设大小为 s ∈ ( 0 , 1 ] s\in (0,1] s∈(0,1]且宽高比为 r > 0 r > 0 r>0，那么锚框的宽和高将分别为 w s r ws\sqrt{r} wsr和 h s / r hs/\sqrt{r} hs/r
最低0.47元/天 解锁文章
2519
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
