锚框
目标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含我们感兴趣的目标，并调整区域边缘从而更准确地预测目标的真实边界框（ground-truth bounding box）。不同的模型使用的区域采样方法可能不同。这里我们介绍其中的一种方法：它以每个像素为中心生成多个大小和宽高比（aspect ratio）不同的边界框。这些边界框被称为锚框（anchor box）。我们将在后面基于锚框实践目标检测。
PyTorch检测仓库a-PyTorch-Tutorial-to-Object-Detection。
生成多个锚框
假设输入图像高为 ，宽为
。分别以图像的每个像素为中心生成不同形状的锚框。设大小为
且宽高比为
，那么锚框的宽和高将分别为
和
。当中心位置给定时，已知宽和高的锚框是确定的。
下面分别设定好一组大小和一组宽高比r
。如果以每个像素为中心时使用所有的大小与宽高比的组合，输入图像将一共得到
个锚框。虽然这些锚框可能覆盖了所有的真实边界框，但计算复杂度容易过高。因此，通常只对包含
或
的大小与宽高比的组合感兴趣，即
也就是说，以相同像素为中心的锚框的数量为。对于整个输入图像，我们将一共生成
个锚框。
9.4.2 交并比
如果目标的真实边界框已知，如何量化与真实边界的重合情况。一种直观的方法是衡量锚框和真实边界框之间的相似度。我们知道，Jaccard系数（Jaccard index）可以衡量两个集合的相似度。给定集合A和B，它们的Jaccard系数即二者交集大小除以二者并集大小：
实际上，可以把边界框内的像素区域看成是像素的集合。如此一来，可以用两个边界框的像素集合的Jaccard系数衡量这两个边界框的相似度。当衡量两个边界框的相似度时，我们通常将Jaccard系数称为交并比（Intersection over Union，IoU），即两个边界框相交面积与相并面积之比，如图所示。交并比的取值范围在0和1之间：0表示两个边界框无重合像素，1表示两个边界框相等。
标注训练集的锚框
在训练集中，将每个锚框视为一个训练样本。为了训练目标检测模型，我们需要为每个锚框标注两类标签：一是锚框所含目标的类别，简称类别；二是真实边界框相对锚框的偏移量，简称偏移量（offset）。在目标检测时，首先生成多个锚框，然后为每个锚框预测类别以及偏移量，接着根据预测的偏移量调整锚框位置从而得到预测边界框，最后筛选需要输出的预测边界框。
