2019年12月

2019/12/5

anchors_1
anchors的作用就是用于生成前述第2段中的bbox_targets，同时也就是第3段中的“真实的建议框”。我们在准备训练faster rcnn的数据集时，准备的是某具体目标的类别标签和位置信息，并没有直接给定“真实建议框”的类别和位置信息。解决该问题的方法就是利用anchors机制，选择图像的m*n个位置，每个位置生成9个矩形框（也就是9个anchors），然后利用数据集中目标的类别和位置信息给anchors分类——如果某个anchor与真实目标的矩形框交叠率足够大，则认为该anchor类别为“正”；如果太小，则为“负”。此外还会用到其他一些机制，比如非极大值抑制，正anchor和负anchor各选128个用于训练，以及去除超出图像边界的anchor等。这样，图像中保留的anchors都分好了类别（前景/背景），而且它们都自带坐标信息，这些信息就可以作为建议框的标签信息，用于训练rpn了。

anchors_2
关于anchor我觉得比较“清晰”的说法：
一般是在最末层的 feature map 上再用3 * 3的窗口去卷积特征。当3 * 3的卷积核滑动到特征图的某一个位置时，以当前滑动窗口中心为中心映射到原图的一个区域(注意 feature map 上的一个点是可以映射到原图的一个区域的，这个很好理解，感受野起的作用啊～…)，以原图上这个区域的中心对应一个尺度和长宽比，就是一个anchor了。fast rcnn 使用3种尺度和3种长宽比（1:1；1:2；2:1），则在每一个滑动位置就有 3*3 = 9 个anchor。