目标检测中的Anchor

目标检测中的Anchor

• https://zhuanlan.zhihu.com/p/55824651

default box

• SSD 预测 bbox 的做法本质上和 RPN 相同，但它在多个layer（lower and up layer）上进行预测，以更好地在多尺度上检测物体

在多层上预测 bbox

• SSD300
  conv4 ==> 38 x 38
  conv7 ==> 19 x 19
  conv8 ==> 10 x 10
  conv9 ==> 5 x 5
  conv10 ==> 3 x 3
  conv11 ==> 1 x 1

size of reference box

• 每一层都有一个特定大小的 reference box，根据这个 reference box 计算出当前层的 default box(anchor)。reference box 是一个正方形的 box， 大小由 scale 参数决定
• $S_k=S_{min}+{S_{max}-S_{min} \over m-1}(k-1), k \in[1, m]$
• m 为负责预测的layer数量， $S_{min}$ 是 0.2,最低层（conv4）的 reference box 的 $W_{bbox} = S_{min}$； $S_{max}$ 是0.9，表示最高层（conv11）的 eference box 的 $W_{bbox} = S_{max}$
• 训练时，输入图片都被 resize 到 300 * 300，这样的话，conv4 上的 reference box 是一个边长为 300 * 0.2 = 60 的正方形

aspect ratios for default boxes

• 得到一个 layer 上的 reference box 大小后，根据该层配置的 aspect ratios，可得到多个不同的 aspect ratio 的 default box（anchor）

faster R-CNN 中的 anchor

• 以 feature map 的每个cell 为中心，映射到原图中，生成 3 * 3 个不同面积和 比例的 anchor （3 scale，3 ratio) （128,256,512,1:1,1:2,2:1）
  
• For a convolutional feature map of a size W × H (typically ∼2,400), there are WHk anchors in total.
• 但是如果只在最后一层 feature map 上映射回原图像，且初始产生的anchor被限定了尺寸下限，那么低于最小anchor尺寸的小目标虽然被anchor圈入，在后面的过程中依然容易被漏检。

[1] : https://blog.csdn.net/u014380165/article/details/72824889 ssd
[2] : https://blog.csdn.net/weixin_35653315/article/details/72288395 default box scale
[3] : https://zhuanlan.zhihu.com/p/55824651 目标检测中的Anchor