关于ancher box 和bounding box的区别

本文假设你已经看过yolo论文，故不在贴图原论文解释。

虽然都是框框（box），但是实际上区别还是很大的，在yolo算法中，Y的输出形式为

例如：

那么，在这里,ancher box（以下称为abox）的种类为2，而bounding box（以下称为bbox）的种类为3。

为什么要这么设计呢？

假如现在有一个任务，需要预测男人，女人，汽车，那么根据他们的形状，你会想到两种框来预测，（长条的，扁平的），这是在形状的角度来描述，而你还需要预测目标的类别，即c1=男人，c2=女人，c3=汽车。如果c1=1，那么这个框就是男人的bbox，这样，就出现了3个bbox，同理，如果你要预测狗，汽车，但是实际上狗的形状差距很大的，你不需要关心他是柯基还是阿拉斯加犬，但是你需要预测出来他们都是狗，人那么你根据形状，需要三个abox，结果c1=狗，c2=汽车。

总结一下：abox是根据预测的形状来设计的box，而bbox是根据预测的分类来设计的，对于上面的额Y,有两个pc,三个c=(c1,c2,c3)，则有2个abox,3个bbox。

 

思考一下：对于任务1，预测男人，女人，汽车，会遇到什么问题？

答案：当同一个cell既负责男人也负责女人的时候，会出现无法完成任务，因为他们共用同一个abox，yolo算法无法处理这种任务

拓展：为了避免以上情况，在设计的时候，abox应该至少不少于bbox。如果行人与汽车同在一个cell，那么y[0]=y[8]=1即可（上图中的pc）