深度学习实战（十八）——faster rcnn中anchor的生成过程理解

谁借莪１个温暖的怀抱￠ 2023-06-02 11:54 10阅读 0赞

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70][]

首先，根据给定的base\_size，生成一个所谓的base\_anchor,其值为\[0,0,base\_size-1,base\_szie-1\]。例如当base\_size=16的时候就生成一个坐标为\[0,0,15,15\]的矩形。

第二步根据上面的上面得到base\_anchor进行坐标变换，计算出中心点xc,yc和矩形的高和宽w,h.即将我们说xmin,ymin,xmax,ymax形式的坐标转化为w,h,xc,yc的坐标形式。用我们的例子就是从\[0,0,15,15\]变成了\[16,16,7.5,7.5\]。再依据w和h计算矩形的面积，这里记为base\_anchor的size。将size除以不同的ratio得到一个数组，称之为size\_ratios。此时size=256, size\_ratios=\[512,256,128\]。接下来将每一个size\_ratio开平方得到的值记为ws,而将ws\*ratio的值记为hs,而每一对(ws,hs)和(xc,yc)则可以重新变换坐标生成一个anchor,三个size\_ratio对应三对(ws,hs),即可以变换为三个anchor.将之堆叠在一起称为ratio\_anchors. size\_ratios=\[512,256,128\]，对应的ws=\[22,16,11\],hs=\[12,16,22\]。则ratio\_anchors=\[\[ -3.5   2.   18.5  13. \]  ，\[ 0.    0.   15.   15. \]，\[ 2.5   -3.   12.5  18. \]\]

坐标转化的方法如下图，非常简单     
                                                 ![70][]

\[xmin,ymin,ymax,ymax\]-->\[ws,hs,xc,yc\]

![70 1][]

\[ws,hs,xc,yc\]->\[xmin,ymin,ymax,ymax\]à->ratio\_anchors

![70 2][]

ratio\_anchors坐标轴上表示

第三步将上一步得到ratio\_anchors的每一个anchor的w和h 乘上scales得到新的（ws，hs）.如果scales=\[8,16,32\]三个scale，那么我们就可以得到3\*3=9对(ws,hs),从而通过坐标变换得到9个anchors，这里是在(0,0)点处生成anchor,再进行滑动就可以得到所有的propsal区域  
![70 3][]

9个anchor 的坐标及对应的ws,hs

![70 4][]

Anchor 的坐标绘制

根据上文，我的理解是在某一层上先生成这一层对应大小的anchors即ratio\_anchors,乘上scales得到的anchors应该是指对应于不同尺度上的大小，相当于将这个anchor分别放大了8，16，32 倍来对应原图上不同尺度的物体，再和gt进行匹配。但之所以实验出错，推测还是在匹配上处理的有问题。

转自：

[faster rcnn中anchor的生成过程理解][faster rcnn_anchor]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70]: /images/20230601/79087228e890481e9dc32ae5639543ce.png
[70]: /images/20230601/2c523c9373d044b893f5aee40e77670b.png
[70 1]: /images/20230601/2375dc2cf9ea46aead660ef6a87e54d9.png
[70 2]: /images/20230601/8d026c3a308a47589d8a011afdce172c.png
[70 3]: /images/20230601/be2af9265b54430eab4cac3ca821c87f.png
[70 4]: /images/20230601/5ea06933246d4ccfb37526ff9dbe847f.png
[faster rcnn_anchor]: https://blog.csdn.net/qq_26974871/article/details/81251851