锚框(anchor box)/先验框(prior bounding box)概念介绍及其生成

一.锚框(anchor box)/先验框(prior bounding box)

在众多经典的目标检测模型中，均有先验框的说法，有的paper(如Faster RCNN)中称之为anchor(锚点)，有的paper(如SSD)称之为prior bounding box(先验框)，实际上是一个概念，特此说明。

1.锚框的作用

对于目标检测任务，有这样一种经典解决方案：遍历输入图像上所有可能的像素框，然后选出正确的目标框，并对位置和大小进行调整就可以完成目标检测任务。这些进行预测的像素框就叫锚框。这些锚框通常都是方形的。

同时，为了增加任务成功的几率，通常会在同一位置设置不同宽高比的锚框（本文的方式在改变宽高比的同时维持面积不变）。此处注明，锚框的设置形式有很多，本文采用SSD的方式进行解释。

2.特征图中的锚框

如果按照上述方案不加改变的执行，即使是一张图片所产生的锚框将多到我们难以承受的地步。对于一个224x224的图片，假设每个位置设置3个不同尺寸的先验框，那么就有224x224x3=150528个锚框；这个数量太大了！所以，更好的处理方式是先对原图进行下采样处理，得到feature map，在feature map中生成锚框。以vgg16的backbone为例，把224x224的输入图片下采样了5次，得到7x7的feature map，那就只需要得到7x7x3=147个先验锚框，这样的设置大大减少了先验框的数量，同时也能覆盖大多数情况。

3.先验框与IOU

在训练任务阶段，可以在输入图片中插入正确的目标框，以供网络学习ground truth信息。而判断一个锚框是否与目标框相近的指标，很自然的可以选择锚框和目标框的IOU（交并比）。 例如，可以设定一个阈值0.5，如果iou<0.5的先验框，这些框我们将其划分为背景，设为背景框，Iou>=0.5的被归到目标先验框。示例见下图

二.先验框的参数

如先前所述，一般会在同一位置生成不同形状和大小的多个锚框来增加预测的成功率。形状和大小分别用宽高比和尺度来描述。

1.尺度(scale)与宽高比(ratio)

尺度：描述基准锚框的大小信息。若尺度为a，那么基准锚框由原图的宽和高分别缩小a倍所得。（注意，若宽高缩小为a倍，面积缩小$a^2$倍）
宽高比：生成锚框的形状信息，即最终生成锚框的宽和长的比。在改变宽高比时，应应维持最终生成的锚框和基准锚框