Anchor

Anchor起源

Anchor的出现是为了解决之前的目标检测算法太耗时，早期的算法在图片上使用不同尺度框进行滑窗操作，还有什么Selective serach方法，总而言之这些方法都有待改进，那么改进之后就有了anchor的出现，anchor是在Faster-R-CNN论文中引入。
Anchor到底是什么？
Anchor就是在图片上设定一些不同尺度和不同比例的先验框，有了这些先验框网络收敛的更加快，因为不同尺度不同比例的anchor更加贴合图片中目标大小形状。
anchor怎么发挥作用？
分类：
若anchor和ground truth之间的IOU大于0.7判断为正样本，小于0.3判断为负样本，在这之间判断为Hard-examples，不加入训练过程。
回归：
进行anchor box的修正

RPN网络

RPN网络结构图如下：

1. RPN网络输入是VGG提取特征后得到的特征图，先经过一个3×3的卷积（提取更深的特征？），再经过两个并行的分支，一个是分类分支，一个回归分支。
2. 分类分支:通过softmax函数区分出postive anchors和negative anchors，anchors数目为k，所以最后会得到2kscores，这里我在想为什么不是k个score呢，这是因为softmax是个分类函数，如果是两类就输出两个值，它们值的和等于1，那么是不是就是不能输出k个score呢，论文中给出：For simplicity we implement the cls layer as a two-class softmax layer. Alternatively, one may use logistic regression to produce k scores.大致意思说作者为了方便使用了softmax函数，你使用logistic regression也可以，使用sigmoid函数输出就是k scores了。
3. 回归分支：postive anchor和ground truth之间有位置偏移，我们肯定是想anchor与gt越接近越好，然后会进行一个修正工作，回归4个值：cente x，center y,w,h，分别代表bounding box的中心点坐标、宽度、高,即4k scores。
4. 疑问：怎么通过特征图上的点给原图打anchor?
   特征图坐标乘以8(8是stride）得到原图坐标
   anchor box和bounding box的区别？

参考

Faster-R-CNN
Anchor