关于Faster R-CNN中anchor尺寸的计算(附源码)

Faster R-CNN原论文中有3个尺寸(128，256，512)和三个比例(1:1 1:2 2:1)共9种不同的anchor，但在计算1:2与2:1这两种比例的anchor尺寸却没有详细的解释，只好从源码入手分析。

def generate_anchors(base_size=16, ratios=[0.5, 1, 2],
                     scales=2 ** np.arange(3, 6)):
  """
  Generate anchor (reference) windows by enumerating aspect ratios X
  scales wrt a reference (0, 0, 15, 15) window.
  """

  base_anchor = np.array([1, 1, base_size, base_size]) - 1
  ratio_anchors = _ratio_enum(base_anchor, ratios)
  anchors = np.vstack([_scale_enum(ratio_anchors[i, :], scales)
                       for i in range(ratio_anchors.shape[0])])
  return anchors

首先看源码中generate_anchors函数中的参数：
1. base_size是感受野的大小，论文中也同样写到在ZF和VGG网络中总步长为16。

“On the re-scaled images, the total stride for both ZF and VGG netson the last convolutional layer is 16 pixels”

2. ratios是anchor的长宽比例，1:2=0.5，1:1=1，2:1=2。
3. scales是anchor的尺寸规模，np.arange(3,6)的含义是以3为起点，6为终点，取3，4，5这三个数作为2的指数，计算结果为8，16，32。注意此时还并没有生成anchor尺寸

base_anchors是初始anchor的尺寸 (0,0,15,15)，其中前两个数为左上角坐标，后两个数为右下角坐标。

再看调用的_ratio_enum函数与_whcirs函数：

def _ratio_enum(anchor, ratios):
  """
  Enumerate a set of anchors for each aspect ratio wrt an anchor.
  """

  w, h, x_ctr, y_ctr = _whctrs(anchor)
  size = w * h  # 16*16=256
  size_ratios = size / ratios  #512 256 128
  ws = np.round(np.sqrt(size_ratios))
  hs = np.round(ws * ratios)
  anchors = _mkanchors(ws, hs, x_ctr, y_ctr)
  return anchors

def _whctrs(anchor):
  """
  Return width, height, x center, and y center for an anchor (window).
  """

  w = anchor[2] - anchor[0] + 1  # 16
  h = anchor[3] - anchor[1] + 1  # 16
  x_ctr = anchor[0] + 0.5 * (w - 1)  # 7.5
  y_ctr = anchor[1] + 0.5 * (h - 1)  # 7.5
  return w, h, x_ctr, y_ctr

w，h，x_ctr，y_ctr分别是anchor的宽 高 中心点横坐标 中心点纵坐标，需要用_whctrs函数计算。
举一个例子：如果传入一个anchor为 [0,0,15,15]，计算过程如下图所示：

将输出的w，h，x_ctr，y_ctr再返回_ratio_enum函数中， 此处size_ratios = size / ratios才真正输出3种尺寸的anchor。

未完待续…