【目标检测】锚框

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

【个人学习笔记记录，如有错误，请指正！】

---

一、锚框

---

理解锚框之前，我们需要理解当前主流的目标检测算法，目前主流的目标检测算法都是基于【锚框】的。

那么为什么目标检测算法需要基于【锚框】？
个人理解：在一个图像中，被检测的目标的位置和大小是【不确定的】，所以在图像中找到目标就类似大海捞针，而只能通过对整个图像进行地毯式的搜索。就在特征图上基于每个像素分配不同尺度的【锚框】，以便于匹配不同尺度和位置的目标。
那么什么是【锚框】？
其实【锚框】就是【框】而已，就是不同大小尺度的框。

【anchors （锚框）生成】
锚框的生成一般步骤都是：
第一步：求得需要生成的 anchors 的高宽，然后基于原点生成出锚框（这里基于原点生成三种尺度和三种比例的anchors，（1:1）(1:2), (2:1)）。

第二步：将生成的 anchors 移到每个特征图中每一个像素的中心点上。
这里假设特征图的大小为 3x3 ，且没有考虑原图和特征图的步距。

二、代码

这里给出的代码是，李沐大神给出的锚框代码，大神在 某站 有学习视频。
这里的代码和上面的锚框示意图是不一样的！

---


def multibox_prior(data, sizes, ratios):
	"""
	data : 特征图
	size : anchors 的大小
	ratios : 高宽比
	"""
    # 获取数据的高宽
    in_height, in_width = data.shape[-2:]
    print('in_height: ', in_height)
    print('in_width: ', in_width)
    device, num_sizes, num_ratios = data.device, len(sizes), len(ratios)
    # 每个像素生成 anchors 的个数
    boxes_per_pixel = (num_sizes + num_ratios - 1)
    # 将 size 和 比例转化为 tensor
    size_tensor = torch.tensor(sizes, device=device)
    ratio_tensor = torch.tensor(ratios, device=device)
    
    # 高宽的偏移基准（因为像素是（1，1），中心点就应该是（0.5, 0.5））
    offset_h, offset_w = 0.5, 0.5
    # 将图像的高宽缩放到 1，然后求得每个像素的高宽
    steps_h = 1.0 / in_height
    steps_w = 1.0 / in_width
    print('steps_h: ', steps_h)
    print('steps_w: ', steps_w)
    # 基于缩放后的高宽，生成中心点的横纵坐标,这里生成的是 一行和一列
    center_h = (torch.arange(in_height, device=device) + offset_h) * steps_h
    center_w = (torch.arange(in_width, device=device) + offset_w) * steps_w
    print('center_h shape: ', center_h.shape)
    print('center_w shape: ', center_w.shape)
    # 将一行和一列生成一个图像大小的矩阵
    shift_y, shift_x = torch.meshgrid(center_h, center_w)
    shift_y, shift_x = shift_y.reshape(-1), shift_x.reshape(-1)
    # 生成锚框的 宽度和高度
    w = torch.cat((size_tensor * torch.sqrt(ratio_tensor[0]),
                   sizes[0] * torch.sqrt(ratio_tensor[1:])))\
                   * in_height / in_width
    h = torch.cat((size_tensor * torch.sqrt(ratio_tensor[0]),
                   sizes[0] / torch.sqrt(ratio_tensor[1:])))
    # 基于每个像素 生成五个 anchors 的高宽
    anchor_manipulations = torch.stack(
        (-w, -h, w, h)).T.repeat(in_height * in_width, 1) / 2
    print('anchor_manipulations: ', anchor_manipulations[:10, :])
    print('anchor_manipulations shape: ', anchor_manipulations.shape)
    # 基于每一个像素，求得每个 anchors 的偏移
    out_grid = torch.stack([shift_x, shift_y, shift_x, shift_y],
                           dim=1).repeat_interleave(boxes_per_pixel, dim=0)
    print('out_grid: ', out_grid[:10, :])
    print('out_grid shape: ', out_grid.shape)
    # 将每个像素的 anchors 的高宽 和 偏移 相加，构成每个像素的 anchors
    output = out_grid + anchor_manipulations
    return output.unsqueeze(0)

---

总结

这里对锚框的介绍只是介绍了最常见的生成方法。基本上所有的基于锚框的目标检测方法都是这样的流程。不同的是特征图的尺寸，锚框的高宽比和锚框的高宽。