anchor是一种先验框,就是用先验知识所描绘的框,可以用聚类等无监督学习的方法求取
在我眼里 anchors 就像是一类语义的集合,每个anchor都是对在无监督学习下的某一簇(类)的代表,如果数据的样本分布接近总样本分布的话,那么这个anchor就是对样本的先验知识了。先验知识对机器学习的作用是巨大的,作者认为,目前深度学习上的对模型结构的改造,或者是各种trick,本质上都是融入了样本的先验知识,例如CNN的图像分类效果明显优于一个简单的神经网络,是因为卷积核学习可以很好的图像的边缘等知识,很多个卷积核又能加强总体的语义知识,而作者认为正是这种卷积核有相当于添加先验知识(边缘知识等)的作用,这样就能更好的分辨出到底处于哪种模式了。