【目标检测】anchor基础知识整理

最新推荐文章于 2025-03-10 22:01:18 发布

Vine955

最新推荐文章于 2025-03-10 22:01:18 发布

阅读量4.5k

点赞数 8

分类专栏：图像处理文章标签：目标检测计算机视觉深度学习

本文链接：https://blog.youkuaiyun.com/weixin_40389065/article/details/122286732

版权

目标检测算法一般可分为anchor-based、anchor-free、两者融合类，区别就在于有没有利用anchor提取候选目标框。下面我们来具体介绍。

1. Anchor是什么

目标检测是"在哪里有什么"的任务，在这个任务中，目标的类别不确定、数量不确定、位置不确定、尺度不确定，传统非深度学习方法如VJ和DPM，和早期深度学习方法如OverFeat，都要金字塔多尺度+遍历滑窗的方式，逐尺度逐位置判断"这个尺度的这个位置处有没有认识的目标"，非常笨重耗时。

anchor的概念最早出现在FasterRCNN的论文中，首先预设一组不同尺度不同位置的固定参考框，覆盖几乎所有位置和尺度，每个参考框负责检测与其交并比大于阈值 (训练预设值，常用0.5或0.7) 的目标，anchor技术将问题转换为"这个固定参考框中有没有认识的目标，目标框偏离参考框多远"，不再需要多尺度遍历滑窗，极大的提升了速度。同时anchor的存在，也解决不同物体的中心点落到一个grid cell中的问题。