Anchor

计算机视觉，尤其目标检测相关算法中，anchor 的介绍与用途。

Anchor

anchor 来源于 Faster R-CNN 中提到的在目标检测时的一种思想。在 Faster R-CNN 中，对于输入图像，先被缩放为 $800\times600$ 大小的图像 A，输入 backbone 中经 $1/16$ 下采样得到 feature map，大小为 $\lceil 800/16 \rceil \times \lceil 600/16 \rceil = 50 \times 38$，feature map 中的一个小方格就对应原图像 A 中 $16\times16$ 的像素框。

在 Faster R-CNN 中，定义了三种 scale 和 ratio：

• scale 为缩放比，取 $[8,16,32]$
• ratio 为宽高比，取 $[1:2,1:1,2:1]$

在特征图中给每个点取 anchor 时，先定义 $base\_anchor$，对应特征图的一个点，即原图像 $16\times16$ 的像素。先考虑 ratio 的影响，根据三个 ratio，保持 $base\_anchor$ 的面积不变，可以得到三种变形的 $base\_anchor$，大小对应原图像为 $12\times24$ 和 $24\times12$（结果向上取整）。然后将 $base\_anchor$ 的宽和高乘以 scale，即可得到在原图像上取的 anchor。