筆者在2022年開始學習目標檢測的時候，對各種框的概念那是相當混淆，比如：

• 中文名詞：邊界框、錨框、真實框、預測框等
• 英文名詞：BoundingBox、AnchorBox、Ground Truth等

同一個英文名詞比如BoundingBox翻譯成中文也有多個叫法。下面注重區分這些概念。

一、真實框Ground Truth & 邊界框Bounding Box

1??真實框Ground Truth與邊界框Bounding Box的定義

目標檢測需要識別圖片中多個物體的位置與類別。

為了方便模型訓練，我們人為地將圖片中物體的位置與種類標注出來，這就是真實邊界框Ground Truth。

• 「Ground Truth」等價于「Ground Truth Bounding Box（GT BBox）」

邊界框Bounding Box則更多的是一種泛指，它可以指代各個類型的框。

2??GT BBox的標注常見于兩種形式：

1. PascalVOC的xml標注文件：$(x_1,y_1,x_2,y_2)$，分別是矩形框左上角、右下角的坐標；
   如下圖中的坐標(1, 1)。
2. COCO的json標注文件：$(x,y,w,h)$，xy是矩陣框的中心點坐標，wh是矩陣框的寬高；

標注文件中每行表示一個物體，一般是：圖片文件名、物體類別、邊緣框。

---

二、邊界框的回歸 BoundingBox Regression

模型對其「預測框」進行微調，使其接近Ground Truth Bounding Box。
如下圖對紅色的BBox回歸，使其接近綠色的GT Box。

---

三、錨框Anchor Box

1??Ground Truth Bounding Box與Anchor的區別：

錨框Anchor是算法自動生成出的，GT BBox是人為的標注框。

目前定位精準的目標檢測算法還是基于錨框的，即Anchor-based。

2??錨框的使用：

3??在目標檢測任務中，我們如何選擇錨框尺寸？

1）要么設定好錨框的尺寸：

•   anchors:- [10,13, 16,30, 33,23]  # P3/8- [30,61, 62,45, 59,119]  # P4/16- [116,90, 156,198, 373,326]  # P5/32
  

2）要么通過k-means自動生成錨框，比如yolov5默認通過k-means自動生成錨框尺寸

3）作為超參數學習。我還沒見過，估計這會產生額外的計算量

4??錨框的標注過程

主流的目標檢測算法大多基于錨框Anchor Box，每一個錨框都是一個訓練樣本。

對于每個錨框，要么標注成背景（負樣本），要么關聯上一個真實邊界框（正樣本）。

一張圖片可能會產生上萬個錨框，其中絕大多數都是背景，即大量的負樣本，與之相比，正樣本可能只有幾十個。

圖. 錨框的標注

• 假設4個目標物體對應著4個GT BBox，模型對每個目標物體各生成9個錨框；
• 計算每個GT與Anchor之間的IoU值，找到當前最大的IoU值$x_{23}$，將錨框關聯上BBox_3，由它去預測BBox_3。刪去該行該列；
• 繼續找當前最大的IoU值$x_{71}$，重復如上操作，刪去該行該列；

與BBox關聯的錨框作為正樣本，其他的作為背景就是負樣本。

PS：Anchor的概念最早出現在Faster RCNN提出的RPN網絡，RPN網絡的Anchor啟發了后面的SSD和Yolov2算法。

---

四、額外：召回與排序的概念

召回：將所有“可能的正確結果”返回給排序

排序：會將所有召回的結果進行排序，將最靠前的結果作為最終答案

如果這篇文章對您有些許幫助，請幫忙點個贊👍或收個藏📃。您的支持是我繼續創作的動力💪！

---

不要害怕，不要著急。保持每日的前進??與積極的內心??，命運總在曲折中饋贈最好的禮物。