如何设置合适的anchor

写在前面

基于anchor的检测方法，anchor的作用是作为GT框和分配到Feature Map(后面简称FM)的一个媒介，通过计算FM上每个grid对应的anchor和GT之间的IOU大小，如果IOU大于一个阈值，那么这个grid就被分为正样本，如果小于阈值，则被分为负样本。Anchor有两个属性，表示大小的scale，表示宽高比的ratio。对anchor的设置直接会影响到正负样本的生成。在具体实现代码中，anchor的大小通常由 anchor_base_sizes 和 anchor_scales决定，anchor_base_sizes通常为FP的stride值，比如取8,16,32,64,128，anchor_scales可以是一个list，比如：[[2], [2], [2], [2], [2]]，两者对应值相乘即anchor的大小。

如何设计Anchor

1、估计Anchor的覆盖范围
这里假设IOU的阈值为0.5，anchor的大小为16，比例为1:1，假设GT的比例也为1:1。

• anchor大于GT

情况一：anchor包含GT
能覆盖到GT的大小为：11.3 - 16，min值=sqrt(16x16x0.5) = 11.3
情况二：anchor和GT之间有交集
能覆盖到GT的大小为：11.3 - 16

• anchor小于GT

情况一：GT包含anchor
能覆盖到GT的大小为：16 - 22.6，max值=sqrt(16x16x2) = 22.6
情况二：anchor与GT之间有交集
能覆盖到GT的大小为：16 - 22.6

综上所述，anchor大小为16，其能够覆盖的GT框的大小范围是：11.3 - 22.6。而通常相邻stride之间anchor的大小呈2倍关系。

2、对训练样本做聚类
该操作最先在YOLOV2论文中提出，在YOLOV2论文中，作者对GT框进行聚类处理，根据聚类的结果来设置anchor的scale和ratio。由于YOLOV2只在一个stride上输出检测结果（也就是13x13的特征图上），所以聚类结果就是anchor的结果。这种聚类方式不适合FPN那种结构，因为FPN需要将不同大小的物体映射到不同的stride上。所以对于FPN这种网络，只需要对ratio进行聚类即可。

3、评价Anchor好坏的一些统计量
这里先拍脑袋想一些统计量

• GT框整体的召回率，各个尺度下的召回率。
• GT框和正anchor的平均IOU，各个尺度下的平均IOU

召回率：所有GT中，至少被一个anchor匹配的GT所占的比例；召回率高，则正样本数就多，此外还可以减轻在训练过程中，误把未匹配到的GT当作背景造成的loss震荡。

平均IOU：所有被匹配为正的anchor和对应GT之间IOU的均值；该值可以反映出anchor的质量，mean iou越高，anchor的质量就越高。

	recall @all	miu @all
baseline
baseline+atss

4、采用ATSS
采用ATSS的匹配策略，根据目标和anchor之间的统计特性，确定对应的IOU阈值。