faster-rcnn的9种anchor box的坐标怎么生成的？

最近在看 逐字理解目标检测simple-faster-rcnn-pytorch-master代码（二）作者讲的蛮仔细的，但是在看到 generate_anchor_base() 方法时，我就有点懵了。

def generate_anchor_base(base_size=16, ratios=[0.5, 1, 2], #
                         anchor_scales=[8, 16, 32]):   #对特征图features以基准长度为16、选择合适的ratios和scales取基准锚点anchor_base。（选择长度为16的原因是图片大小为600*800左右，基准长度16对应的原图区域是256*256，考虑放缩后的大小有128*128，512*512比较合适）
#根据基准点生成9个基本的anchor的功能，ratios=[0.5,1,2],anchor_scales=[8,16,32]是长宽比和缩放比例,anchor_scales也就是在base_size的基础上再增加的量，本代码中对应着三种面积的大小(16*8)^2 ,(16*16)^2  (16*32)^2  也就是128,256,512的平方大小
    py = base_size / 2.
    px = base_size / 2.   

    anchor_base = np.zeros((len(ratios) * len(anchor_scales), 4),     
                           dtype=np.float32)  #（9，4），注意：这里只是以特征图的左上角点为基准产生的9个anchor,
    for i in six.moves.range(len(ratios)): #six.moves 是用来处理那些在python2 和 3里面函数的位置有变化的，直接用six.moves就可以屏蔽掉这些变化
        for j in six.moves.range(len(anchor_scales)):
            h = base_size * anchor_scales[j] * np.sqrt(ratios[i])
            w = base_size * anchor_scales[j] * np.sqrt(1. / ratios[i]) #生成9种不同比例的h和w
 '''
这9个anchor形状应为：
90.50967 *181.01933    = 128^2
181.01933 * 362.03867 = 256^2
362.03867 * 724.07733 = 512^2
128.0 * 128.0 = 128^2
256.0 * 256.0 = 256^2
512.0 * 512.0 = 512^2
181.01933 * 90.50967   = 128^2
362.03867 * 181.01933 = 256^2
724.07733 * 362.03867 = 512^2
该函数返回值为anchor_base，形状9*4，是9个anchor的左上右下坐标：
-37.2548 -82.5097 53.2548 98.5097
-82.5097	-173.019	98.5097	189.019
-173.019	-354.039	189.019	370.039
-56	-56	72	72
-120	-120	136	136
-248	-248	264	264
-82.5097	-37.2548	98.5097	53.2548
-173.019	-82.5097	189.019	98.5097
-354.039	-173.019	370.039	189.019
'''
            index = i * len(anchor_scales) + j
            anchor_base[index, 0] = py - h / 2.
            anchor_base[index, 1] = px - w / 2.
            anchor_base[index, 2] = py + h / 2.
            anchor_base[index, 3] = px + w / 2.  #计算出anchor_base画的9个框的左下角和右上角的4个anchor坐标值

按照我的理解，base_size=16，那么 ratio = [0.5,1,2]时，应该很直接，宽高分别为：（16，8），（16，16），（32，16），然后每一种宽高再分别乘以 scale = [8,16,32]，不就如下结果吗？

这样不就9种出来了吗，但是为什么就是不跟上面的结果一样呢？别人代码经历了这么多年，不可能出问题，那就是我没想通，最想不通的就是对 ratio 开根号。在网上看了很多资料，都没有提及，其中在bilibili看到一个人讲了，就提了一句，有个平方关系，但是还是没想明白。

后来想，这里面应该是有个数学公式在里面，后来突然醒悟，想了很久终于想通了。

那就是有很多人没提及，面积不变的基础上进行宽高比转换，当 base_size = 16 的时候，其先进行尺度变换，生成三种尺度，如下：

（base_size * 8, base_size * 8）,（base_size * 16, base_size * 16）,（base_size * 32, base_size * 32）=  (128,128),（256, 256）,（512, 512）

这个时候，三种尺度已经出来了，也就是说三种面积已经出来了，分别是 128^2，256^2, 512^2，也就是说，9种 anchor box 其实只有三种面积。

我们知道，矩形的面积计算公式为：

                                  长 * 宽 = 面积                                    （1-1）

现在面积知道了，我们要求宽和高了，很明显，三种面积里面都有一个我们已经知道，分别是：128，256，512，就是正方形。这里我们就拿一个面积来讲解，剩下的是一样的道理。我们选取 面积为 128的讲。

现在面积我们知道，是 128，那对应的宽高有一个很容易想到，那就是 w=16， h=16，那剩下的两种宽高呢？（不是（ w=16， h=8），（ w=32， h=16）），因为要面积固定，就是三种宽高比，对应的面积都是同一个，（这里举列是128），好了，因为面积知道，根据公式（1-1），以及宽高比 ratio = [0.5,1,2] 我们知道

                                 w * h = area，

                                 h / w = ratio,

                                 w = h / ratio,

                                 h^2 / ratio = area,

                                 h = sqrt(ratio * area),    其中 area = (base_size * scale)^2

                                 h = base_size * scale * sqrt(ratio)         对应代码中     h = base_size * anchor_scales[j] * np.sqrt(ratios[i])
                                 w = h / ratio            但是代码中是  w = base_size * scale * sqrt(1 / ratios)  作者是不像我们那么想，直接用公式 w * w *ratio = (base_size * scale)^2, 即 w = base_size * scale / sqrt(ratio)替换，都是一样的。

以上我们用的 面积为128，其有三种宽高比，即 [0.5，1，5]，那么对应三种不同形状的矩形，但是面积相同。

同理，剩下的两个面积也各自对应三种宽高比

所以，以上有 9种不同形状的矩形，这9种不同形状的矩形中心是同一个。

下图是面积 128 计算三种不同宽高的具体计算，都是约等于，其实具体写出来跟代码中一样，256，512类似：