42 锚框【动手学深度学习v2】_哔哩哔哩_bilibili

目录

锚框

交并比IoU：

赋予锚框编号

非极大抑制（NMS）输出：

总结：

所谓锚框，就是目标检测算法中，以锚点为中心，由算法预定义的多个不同长宽比的先验框。

假设输入图像的高度为 h，宽度为 w。 我们以图像的每个像素为中心生成不同形状的锚框：比例为 s∈(0,1]（即锚框占整张图片的大小），宽高比（宽高比）为 r>0。 那么锚框的宽度和高度分别是√(whsr)、√((whs)/r)。这部分李沐大佬好像写错了。

推导过程：

        易知图片面积大小为wh，锚框面积大小即为whs。设锚框高为x，宽则为xr，其面积可表示为rx^2。所以rx^2=whs，所以x=√((whs)/r)，即高的大小，宽为√(whsr)

当中心位置给定时，已知宽和高的锚框是确定的。

要生成多个不同形状的锚框，让我们设置一系列刻度 s1,…,sn 和一系列宽高比 r1,…,rm。 当使用这些比例和长宽比的所有组合以每个像素为中心时，输入图像将总共有 whnm 个锚框（w*h为像素的总个数，n*m为一个像素下的锚框个数）。 尽管这些锚框可能会覆盖所有地面真实边界框，但计算复杂性很容易过高。 在实践中，我们只考虑包含 s1 或 r1的组合：

(s1,r1),(s1,r2),…,(s1,rm),    (s2,r1),(s3,r1),…,(sn,r1).

也就是说，以同一像素为中心的锚框的数量是 n+m−1对于整个输入图像，我们将共生成wh(n+m−1)个锚框。

上述生成锚框的方法可以在以下 multibox_prior 函数中实现。 我们指定输入图像、尺度列表和宽高比列表，然后此函数将返回所有的锚框。

用来表示两个框之间的相似度

 0表示无重叠，1表示完全重叠。

 首先假设一张图片中有标注好的4个边缘框（即图片中有四个物体），而我们生成了9个锚框（实际上的锚框要比这个多很多）。

如上图所示：列表示标注的边框，行表示生成的锚框，我们将锚框和边框求IoU就得到了这个9*4矩阵。

算法思想：

        每次找出矩阵中最大的那个值，这个值对应的行和列即为边框和其对应的锚框，然后将两者关联起来，之后再删除其所在的行和列。比如第一次找到的是X23，那么边框3对应的最大交并比的锚框就是2，那么两者就关联起来。

        然后重复这个步骤4次即可找出所有边框对应的锚框。

因为我们每个锚框会预测一个边缘框，而最后得到的结果可能就会出现图中这个结果：

 即一个物体有多个锚框进行预测，我们就需要取出重复的锚框，所以使用NMS：

theta作为阈值一般设置为0.5

训练的时候：首先通过算法生成大量锚框，并且给锚框编号，每个锚框作为一个样本加入到训练当中去

预测的时候：对每个锚框都进行预测，预测之后会生成大量的冗余的预测，然后通过NMS来对冗余的框进行去除。