目标检测系列一：RetinaNet之anchor

前言

自进入吉大，开始硕士生活之后，本人便很少有时间写一些blog，毕竟忙起来之后时间真的比较紧，不过细想想感觉自己也没忙出个什么。这次，导师给安排的项目是病变细胞检测的项目（Emmmmm，这是我的第三个项目，我研一），在深度学习领域上，属于目标检测的范畴。我主要采用的是RetinaNet，那么今天简单总结一下anchor的相关知识。

---

什么是Anchor

为什么会出现anchor、anchor处理之前目标检测用的是什么技术？这些问题本次一一不涉及
从学术的角度来说，anchor就是拥有多尺度、多种宽高比例的box，也就是multi-scale and different aspect ratio 。
我们知道，图片分类和实例分割分别属于image-level和pix-level，而目标检测则属于region-level。那么region的信息，我们是如何向网络提供的呢？
anchor的设置，相当于提前在图片上做预选，通常在生成anchor时，每一张图片上将会对应成千上万的anchor也就是候选框，可想而知，如此庞大的候选框数量，肯定能够满足对图上实例进行检测的需要，效果如下图所示：
可以看到，整张图片上存在许多不同形状的小框框，但是这些框框的总数也只是原anchor数量的1%。
那么有了这些框框，网络便可以学习这些框框中的事物以及框框的位置，最终可以进行分类和回归（还涉及IOU的计算等等，本篇文章不涉及）。

---

numpy + python 实现anchor

我们以Retinanet网络中的anchor为例，使用numpy和python生成，具体RetinaNet网络中的anchor是什么形式的，请移步ICCV2017kaiming大神的论文，可详细了解。
anchor-size：[32,64,128,256,512]
每个anchor-size对应着三种scale和三个ratio，那么每个anchor-size将对应生成9个先验框，同时生成的所有先验框均满足：

• 同一种scale，面积相同，形状不同
• 同一种ratio，形状相同，面积不同
• 对于scale和ratio的理解：scale指anchor的大小（可以当做宽）、ratio即为宽高比

下面为代码思路，我们以32为例：

• 首先，由于存在三种scale和三种ratio，则对于w=h=32的基本anchor，则有存在9种anchor。
• 其次对于每一个anchor，我么要保存其左上角和右下角两个点的坐标，需要四个位置进行保存。
• 综上，我们生成形状为 [9,4]的数组。

	sizes   = [32, 64, 128, 256, 512]
    strides = [8, 16, 32, 64, 128]
    ratios  = np.array([0.5, 1, 2], keras.backend.floatx())
    scales  = np.array([2 ** 0, 2 ** (1.0 / 3.0), 2 ** (2.0 / 3.0)],keras.backend.floatx())
    num_anchors = len(ratios) * len(scales)
	anchors = np.zeros((num_anchors, 4))

生成9*4的numpy数组

[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [