关于faster-rcnn中anchor box与bbox

问题提出情况

在学习理解faster-rcnn网络时，都有出现anchor box这一个概念，然而anchor box的大小却是一个确定的值。那么假如你标注的目标框比anchor box小很多的情况下那不是预测得到的检测框不是划出了过多的无效值了吗？

---

为了解决这个问题在这就需要先了解锚框这个概念

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）。

2.特征图中的锚框

通常，为了覆盖更多可能的情况，在图中的同一个位置，我们会设置几个不同尺度的先验框。这里所说的不同尺度，不单单指大小，还有长宽比，如下面的示意图所示：

可以看到，通过设置不同的尺度的先验框，就有更高的概率出现对于目标物体有良好匹配度的先验框（体现为高IoU）。

先验框与特征图的对应

除了不同尺度，我们肯定要将先验框铺洒在图片中不同位置上面。

但是遍历原图每个像素，设置的先验框就太多了，完全没必要。如图3-13所示。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，但是如果我们不去遍历原图，而是去遍历原图下采样得到的feature map呢？以vgg16的backbone为例，下采样了5次，得到7x7的feature map，那就只需要得到7x7x3=147个先验,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准确率。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 a^2a
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的面积恒定。（详见第3个小标题锚框的坐标描述）

2.锚框的生成位置

如前文所述，先把原图像处理后得到77的feature map，再在对应的feature map中生成锚框。下面给出一个示例，对应的把77的feature map 分割成相等大小的7*7的cell,代表位置信息，并画出了在中间位置的具有不同scale 和 ratio 参数的9个锚框。（注意，这里的cell只代表位置信息，与第一个小标题中的scale参数没有关系，即与生成锚框的大小没关系）

总结： 综上所述其实anchor box可以理解为一个个的卷积滑窗而每一个特征点对应着n个anchor box，而预测任务则是在这一个个anchor box里面去做从而减少了计算量，不在需要每预测一个新目标就需要重新卷积滑窗一遍。其效果如下图所示

其中左图为锚点对应的九个anchor ，中间的图为单个锚点在一张图上表达，右图为所有锚点在整幅图上的表达。
参考连接：
目标检测之Faster-RCNN的pytorch代码详解(模型准备篇)
锚框(anchor box)/先验框(prior bounding box)概念介绍及其生成
动手学CV-Pytorch