目标检测（二）——先验框/锚框

先验框/锚框

• 先验框（prior bounding box)，锚框（anchor box）在不同的论文里叫法不一样，但是都是同一概念。

锚框的作用

• 锚框的作用，在进行目标检测任务的基本思路：通过设定众多的候选框，然后针对候选框进行分类和微调，找到目标中最接近的真实框，实现目标检测。这里的候选框也就是锚框。

锚框的大小设定（多个不同大小）

• 在任务中，为了尽可能地覆盖更多的面积和区域，需要设定多种不同尺度的先验框，为了后续与真实框（标注的框）尽可能接近。不同尺度也就是不同的长宽高比例的先验框。
• 显然，设置不同尺度的先验框，出现与目标物体较为匹配（高IoU）的先验框的概率更高。
  

锚框的位置设定（与特征图相对应）

• 先验框需要设定在不同的位置上。加入每个cell上需要设定三个先验框，如果遍历原图所有像素，假设一个224x224的图片，每个像素位置设置3个先验框，一共需要设置224x224x3=150528个先验框。如果是遍历原图下采样得到的feature map,则会大大减少先验框的数量。

锚框的类别信息的确定

• 我们需要让模型去学习，使得先验框尽可能地接近真实框。也就是学习先验框中是否存在目标值。如何去学习呢，需要优先设置有一个IOU值，也就是先验框与真实框之间的交并比，需要对IOU值进行一个阈值设定，如果IOU值大于阈值，则表示先验框中存在目标值，分类为目标框；否则，IOU值小于阈值，表示先验框中不存在目标值，分类为背景框。
• 如下图中所示，如果IOU的阈值设定为0.5，可以将先验框分为背景先验框和目标先验框两类。

先验框截断

• 先验框超出图片界限时，一般用图片尺寸将越界的先验框进行截断，比如某个先验框左上角坐标是（-5， -9），那么就截断为（0，0），某个先验框右下角坐标是（324，134），当图片大小为（224，224）时，就将其截断为（224，134）。