目标检测中GroundTruth跟Prior_box之间匹配问题详解

关于目标检测中GroundTruth跟Prior_box之间匹配问题个人理解心得

1. GroundTruth
   gt表示每张图片中真实存在的目标框，目标框的内容形式为[x1, y1, x2, y2]，整个gt的shape为[Num, 4]，其中Num表示该图片中存在目标的个数。
2. prior_box表示网络结构中根据自定义的anchor生成机制（anchor生成个数由size和ratio决定），最后将多特征图上每一层生成的anchor合并成[N, 4]shape， 其中N表示所有anchor的总和，==但是，此时anchor的内容形式为[centr_x, centr_y, w, h]，因此，再进行后面Overlap计算时，要先将所有的anchor进行转换。
3. 利用jaccard.py脚本即可计算gt与所有prior_box之间的IOU， 代码如下：

	inter = intersect(box_a, box_b)
    area_a = ((box_a[:, 2]-box_a[:, 0]) *
              (box_a[:, 3]-box_a[:, 1])).unsqueeze(1).expand_as(inter)  # [A,B]
    area_b = ((box_b[:, 2]-box_b[:, 0]) *
              (box_b[:, 3]-box_b[:, 1])).unsqueeze(0).expand_as(inter)  # [A,B]
    union = area_a + area_b - inter
    overlap = inter / union
    return overlap
    其中overlap最后的shape大小为[Num, N]

4. 对计算后的overlap分别从行向和列向寻找最优的prior_box和最优的gt。

	best_prior_overlap, best_prio