Anchor Box : 预定义边框就是一组预设的边框，在训练时，以真实的边框位置相对于预设边框的偏移来构建。预设边框先大致在可能的位置“框“出来目标，然后再在这些预设边框的基础上进行调整。
一个Anchor Box可以由:边框的纵横比和边框的面积（尺度)来定义，相当于一系列预设边框的生成规则，根据Anchor Box，可以在图像的任意位置，生成一系列的边框。
由于Anchor box 通常是以CNN提取到的Feature Map 的点为中心位置，生成边框，所以一个Anchor box不需要指定中心位置。
- 使用CNN提取的Feature Map的点，来定位目标的位置。
- 使用Anchor box的Scale来表示目标的大小
- 使用Anchor box的Aspect Ratio来表示目标的形状
常用的Anchor Box定义
- Faster R-CNN 定义三组纵横比
ratio = [0.5,1,2] 和三种尺度scale = [8,16,32] ，可以组合处9种不同的形状和大小的边框。 - YOLO V2 V3 则不是使用预设的纵横比和尺度的组合，而是使用
k-means 聚类的方法，从训练集中学习得到不同的Anchor - SSD 固定设置了5种不同的纵横比
ratio=[1,2,3,1/2,1/3] ,由于使用了多尺度的特征，对于每种尺度只有一个固定的scale
Anchor 的意义
Anchor Box的生成是以CNN网络最后生成的Feature Map上的点为中心的（映射回原图的坐标），以Faster R-CNN为例，使用VGG网络对对输入的图像下采样了16倍，也就是Feature Map上的一个点对应于输入图像上的一个16×16
的正方形区域（感受野）。根据预定义的Anchor,Feature Map上的一点为中心 就可以在原图上生成9种不同形状不同大小的边框，如下图：
从上图也可以看出为什么需要Anchor。根据CNN的感受野，一个Feature Map上的点对应于原图的16×16的正方形区域，仅仅利用该区域的边框进行目标定位，其精度无疑会很差，甚至根本“框”不到目标。 而加入了Anchor后，一个Feature Map上的点可以生成9中不同形状不同大小的框，这样“框”住目标的概率就会很大，就大大的提高了检查的召回率；再通过后续的网络对这些边框进行调整，其精度也能大大的提高。
1. Faster R-CNN的Anchor Box
Faster R-CNN中的Anchor有3种不同的尺度128×128,256×256,512×512 ,3种形状也就是不同的长宽比W:H=1:1,1:2,2:1，这样Feature Map中的点就可以组合出来9个不同形状不同尺度的Anchor Box。
Faster R-CNN进行Anchor Box生成的Feature Map是原图下采样16倍得到的，这样不同的长宽比实际上是将面积为16×16
的区域，拉伸为不同的形状，如下图：
不同的ratio生成的边框的面积是相同的，具有相同的大小。三种不同的面积（尺度），实际上是将上述面积为16×16
的区域进行放大或者缩小。
128×128是16×16放大8倍；256×256是放大16倍；512×512
则是放大32倍。如下图：
Anchor 计算
这里先计算每个Anchor的长和宽，至于其中心位置是Feature Map的每个点在原图上的映射，是固定，可以先不考虑。
从上面可以知道，任意的形状和大小的Anchor的宽和高都可以从最基础的宽和高16×16变换而来。首先看三种ratio的变换。
设矩形框的面积s=16×16，矩形框的宽w，高为h，则有：
所以最终得到，
不同尺度的是在基础的尺度上的缩放，设尺度为scale，则缩放后的面积为scale?s。当然也可以从宽高的缩放比例来看，基础的面积为16×16。（128*128 / 16*16 = 8*8）
通过上面的计算，实际只是得到了9种不同的可以放在任意位置矩形框（因为矩形框的中心位置还没有确定）。 边框的中心位置，是将Feature map上的点映射回原图得到的，Feature map任一点对应的是原图的一块正方形区域，其中心位置就落在改区域的中心位置。以Feature map上(0,0)点为例，其对应于原图的(0,0,15,15)(左上角坐标，右下角坐标)，则在改点生成Anchor box的中心点就是原图的(7.5,7.5)，Feature Map上其余位置在原图对应的中心点在此基础上进行平移即可得到。例如Feature Map上(0,0)的点在原图上对应区域的的中心点为(7.5,7.5),则(0,1)对应的中心点为(7.5,7.5 + 16),依次类推(x,y)对应的中心点为(x * 16 + 7.5 ,y * 16 + 7.5)。如果是以(左上角坐标，右下角坐标)表示的矩形框，则将(左上角坐标，右下角坐标)平移相应的距离即可。
代码如下：
base_size=16。这个参数指定了feature map上一点对应到原图的大小为16x16的区域。也可以根据需要自己设置。
第一句代码表示最基本的一个大小为16x16的区域，四个值，分别代表这个区域的左上角和右下角的点的坐标。
这一句是将前面的16x16的区域进行ratio变化，也就是输出三种宽高比的anchors，这里调用了_ratio_enum函数，其定义如下：
进行完上面的宽高比变换之后，接下来执行的是面积的scale变换：
这里最重要的是_scale_enum函数，该函数定义如下，对上一步得到的ratio_anchors中的三种宽高比的anchor，再分别进行三种scale的变换，也就是三种宽高比，搭配三种scale，最终会得到9种宽高比和scale 的anchors。这就是论文中每一个点对应的9种anchors。
这个函数中又调用了一个_whctrs函数，这个函数定义如下，其主要作用是将输入的anchor的四个坐标值转化成（宽，高，中心点横坐标，中心点纵坐标）的形式。
_scale_enum函数中也是首先将宽高比变换后的每一个ratio_anchor转化成（宽，高，中心点横坐标，中心点纵坐标）的形式，再对宽和高均进行scale倍的放大，然后再转换成四个坐标值的形式。最终经过宽高比和scale变换得到的9种尺寸的anchors的坐标如下：
下面这个表格对比了9种尺寸的anchor的变换：
| base_anchor | ratios | （宽，高，中心点横坐标，中心点纵坐标） | 坐标 |
| 16x16 |
23x12 (2:1) |
[184,96,7.5,7.5] scale=8 |
[ -84. -40. 99. 55.] |
|
[368,192,7.5,7.5] scale=16 |
[-176. -88. 191. 103.] | ||
|
[736,384,7.5,7.5] scale=32 |
[-360. -184. 375. 199.] | ||
|
16x16 (1:1) |
[128,128,7.5,7.5] scale=8 |
[ -56. -56. 71. 71.] |
|
| [256,256,7.5,7.5] scale=16 |
[-120. -120. 135. 135.] |
||
| [512,512,7.5,7.5] scale=32 |
[-248. -248. 263. 263.] |
||
|
11x22 (1:2) |
[88,176,7.5,7.5] scale=8 | [ -36. -80. 51. 95.] | |
| [176,352,7.5,7.5] scale=16 |
[ -80. -168. 95. 183.] |
||
| [352,704,7.5,7.5] scale=32 | [-168. -344. 183. 359.] |
2. YOLO 的Anchor Box
YOLO v2,v3的Anchor Box 的大小和形状是通过对训练数据的聚类得到的。 采用标准的k-means方法
官方的 V2，V3的Anchor
1 2 3 | anchors = 0.57273, 0.677385, 1.87446, 2.06253, 3.33843, 5.47434, 7.88282, 3.52778, 9.77052, 9.16828 // yolo v2 anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326 // yolo v3 |
需要注意的是 anchor计算的尺度问题。 yolo v2的是相对最后一个Feature Map (13×13)来的，yolo v3则是相对于原输入图像的416×416的。 这也是在计算目标检测中，边框计算中需要注意的问题，就是计算的边框究竟在相对于那个尺度得出的。
参考： https://blog.csdn.net/sinat_33486980/article/details/81099093