Yolo或Faster RCNN中的anchor box或bounding boxes是什么？

Question

我不知道 anchor box 和 bounding boxes，或者 proposal area 之间的区别。这些定义让我感到困惑。 我也不知道检测模型中这些框的含义，因为默认长度从未改变！ 最后，我对 RCNN 系列和 Yolo 系列都输出预测框位置 (x,y,w,h) 或输出位置增量 (ground truth_x - predicted_x)/prediction_w 感到困惑。

- Luv

Answer 1

边界框（Bounding Boxes） 边界框是网络所预测的框。这些预测框会被覆盖在输入图像上，以便您可以直观地了解预测检测到的矩形的位置和形状。也就是说，它们是您可以在此 YouTube 视频中看到的矩形。

锚框（Anchor Boxes） 我们可以对边界框的形状做出一些假设。例如，如果我们想检测人类，就应该使用一些垂直的矩形框来搜索人物。它们就是锚框。在训练和预测之前，锚框作为一系列宽度和高度的一对数字列表被馈送到网络中：

anchors = [1.08，1.19，3.42，4.41，6.63，11.38，9.42，5.11，16.62，10.52]

以上列表定义了5个锚框。我们可以向网络馈送任意数量的锚框。

这些值是通过一些统计过程从训练数据中确定的。

- spl

---

我们应该定义多少对锚点？这些对的数量是否必须等于类别数？或者我们可以有更多的对吗？ - MeiH

@Meisam 不需要与类的数量相等。即使是针对一个类的物体检测，如果您认为该类别的物体可能具有不同的形状或大小，您可以定义许多锚框。反之，如果所有类别的物体具有相似的形状和大小，则可以使用仅一个锚点对来训练模型。 - spl

Answer 2

锚框：预定义的边界框，用于选择并使用偏移量来确定检测到的物体的位置

边界框：相对于锚框预测出的检测到的物体的矩形

基本上，这个想法类似于对象检测模型中使用的标记点（例如 Snapchat 的相机）。在特定的图像区域为网络预先确定了一组节点，这些区域是根据自拍肖像的特征确定的，网络学习如何相对于输入到网络中的不同面孔进行节点偏移，在应用滤镜或蒙版之前，进行某些视觉刺激以真正激发用户。

- LiNKeR