版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/ybdesire/article/details/82860607
引入
无论是基于滑动窗口，还是基于网格YOLO的目标检测算法，都有可能存在同一个问题：有可能一个BOX中有多个目标，如下图所示：
这样的图中，行人和车同时存在，并且他们的中心位置都位于同一个网格中。这种情况下，传统检测方法的输出，就无法胜任了。怎么解决这个问题呢？
Anchor Box算法
对于这个例子，我们引入Anchor Box，如下图所示，我们这里只用两个Anchor Box，说明同一个网格中最多可能存在两类物体。Anchor Box的个数与每个网格中可能出现的最多物体数量相同，也就是Y值的标注需要标注的物体个数。实际项目中，会用更多的Anchor Box。如下图：
图中用了两个Anchor Box，所以Y值的标注，就需要标注两类物体（标注的成本是升高的）。Y值中：
- pc：网格中是否含有目标对象
- bx：目标对象中心点的x坐标
- by：目标对象中心点的y坐标
- bh：目标对象的高度
- bw：目标对象的宽度
- c1,c2,c3：目标对象的类别
可见，标注中，Y值中的每个参数，都是由0/1组成的。对于本文这个例子，Y值的输出为：3x3x8x2。其中3x3是图像上的网格大小，8是每个对象的输出，2说明用了两个Anchor Box。
总结
Anchor Box的概念，是为了解决同一个网格中有多个目标对象的情况。现实情况中，你的网格划分越细，比如将3x3的网格变为10x10，这种同一个网格中有多个目标对象的情况就越少。
参考
AndrewNG的deep learning