Anchor Boxes

如果我们想让一个格子检测出多个对象，我们怎么做呢？

 

假设你有这样一张图片，对于这个例子，我们继续使用 3×3 网格，注意行人的中点和汽车的中点几乎在同一个地方，两者都落入到同一个格子中。所以对于那个格子，如果 y 输出这个向量，对于检测这三个类别，行人、汽车和摩托车，它将无法输出检测结果，所以我必须从两个检测结果中选一个。

 

anchor box 的思路是，像这样子，预先定义两个不同形状的 anchor box，或者 anchor box 形状，你要做的是把预测结果和这两个 anchor box 关联起来，一般来说，你可能会用更多的 anchor box，然后定义类别标签，用的向量不再是上面这个：，而是重复两次：，

前面的p_c、b_x、b_y、b_h、b_w、 c1、 c2,、c3是和 anchor box 1 关联的 8 个参数，后面的 8 个参是和 anchor box 2 相关联。因为行人的形状更类似于 anchor box 1 的形状，而不是 anchor box 2 的形状，所以你可以用这 8 个数值（前8 个参数），，这么编码p_c = 1，代表有个行人，用b_x、b_y、b_h和b_w来编码包住行人的边界框，然后用c1, c2, c3(c1 = 1, c2 = 0, c3 = 0)来说明这个对象是个行人。同样用后面的8个参数来标记汽车。

 

每个对象都和之前一样分配到同一个格子中，分配到对象中点所在的格子中，以及分配到和对象形状交并比最高的 anchor box中，所以这里有两个 anchor box，你就取这个对象，然后你观察哪一个 anchor box 和实际边界框的交并比更高，不管选的是哪一个，这个对象不只分配到一个格子，而是分配到一对，这就是对象在目标标签中的编码方式，因此我们看到的y现在是 16 维的，如果我们有更多对象，那么y 的维度会更高。