锚框训练简洁流程实现

对于计算机视觉，比较容易理解的是真实标签(ground truth)，人为为每个目标标记的标签。但是在加入anchor box思想之后，在训练集中，我们将每个锚框视为一个训练样本。因此，为了训练目标模型，需要标记每个anchor box的标签，这里的标签包括两个部分：

• 类别标签
• 偏移量

有多个anchor box，到底该选取哪一个呢？这是就要通过交并比进行选择。试想一下，如果用一个固定尺寸的anchor，那么对于anchor的标记就没有了针对性。

举例说明一下，图中棕色的为行人的真实标签，黄色的为车辆的真实标签，红色的框是从feature map映射的anchor box，这样的话通过交并比就很难获取feature map中每个单元对应的标签。

这样的话，可以用anchor box1与行人的交并比比较大，可以用于训练和预测行人，anchor box 2与汽车的交并比较大，可以用于训练和预测汽车。使用不同长宽比和尺寸的anchor box，这样更加具有针对性。

1.训练阶段

标注

在训练阶段，是把anchor box作为训练样本，为了训练样本我们需要为每个锚框标注两类标签：一是锚框所含目标的类别，简称类别；二是真实边界框相对锚框的偏移量，简称偏移量（offset）。在目标检测时，我们首先生成多个锚框，然后为每个锚框预测类别以及偏移量，接着根据预测的偏移量调整锚框位置从而得到预测边界框，最后筛选需要输出的预测边界框。

 就是生成很多锚框，找到IOU比最大的那个边界框，计算锚框和边界框的偏移，并得到边界框的标签。

（这玩意我是真的看过，现在给忘了）

这样的话就标记好了每个anchor box：标签和偏移量。

 anchor的ground truth是我们根据IOU比自动生成的，来训练一个更准确的锚框的类别和偏差的预测器。

 

 就是随机生成的锚框，来预测它的标签和偏移，根据给定的真实边界框的标签和偏移来训练模型。

2.预测阶段

在模型的预测阶段，怎么才能获得预测的边界框呢？

首先在图像中生成多个anchor box，然后根据训练好的模型参数去预测这些anchor box的类别和偏移量，进而得到预测的边界框。由于阈值和anchor box数量选择的问题，同一个目标可能会输出多个相似的预测边界框，这样不仅不简洁，而且会增加计算量，为了解决这个问题，常用的措施是使用非极大值抑制(non-maximum suppression，NMS)。