type
status
date
slug
summary
tags
category
icon
password
Property
以输入图像的每个像素为中心，生成多个锚框，这些锚框代表了图像不同区域的样本。 然而，如果为每个像素都生成的锚框，最终可能会得到太多需要计算的锚框。 一个561×728的输入图像，如果以每个像素为中心生成五个形状不同的锚框，就需要在图像上标记和预测超过200万个锚框（561×728×5）
减少图像上的锚框数量并不困难。 比如，可以在输入图像中均匀采样一小部分像素，并以它们为中心生成锚框。 此外，在不同尺度下，可以生成不同数量和不同大小的锚框。 直观地说，比起较大的目标，较小的目标在图像上出现的可能性更多样。 例如，1×1、1×2和2×2的目标可以分别以4、2和1种可能的方式出现在2×2图像上。 因此，当使用较小的锚框检测较小的物体时，可以采样更多的区域，而对于较大的物体可以采样较少的区域。
卷积图层的二维数组输出称为特征图, 通过定义特征图的形状可以确定任何图像上均匀采样锚框的中心
display_anchors函数定义如下。 在特征图（fmap）上生成锚框（anchors），每个单位（像素）作为锚框的中心。 由于锚框中的轴坐标值（anchors）已经被除以特征图（fmap）的宽度和高度，因此这些值介于0和1之间，表示特征图中锚框的相对位置。由于锚框（
anchors）的中心分布于特征图（fmap）上的所有单位，因此这些中心必须根据其相对空间位置在任何输入图像上均匀分布。 更具体地说，给定特征图的宽度和高度fmap_w和fmap_h，以下函数将均匀地对任何输入图像中fmap_h行和fmap_w列中的像素进行采样。 以这些均匀采样的像素为中心，将会生成大小为s（假设列表s的长度为1）且宽高比（ratios）不同的锚框。首先考虑探测小目标。 为了在显示时更容易分辨，在这里具有不同中心的锚框不会重叠： 锚框的尺度设置为0.15，特征图的高度和宽度设置为4。可以看到，图像上4行和4列的锚框的中心是均匀分布的
将特征图的高度和宽度减小一半，然后使用较大的锚框来检测较大的目标，当尺度设置为0.4时，一些锚框将彼此重叠
进一步将特征图的高度和宽度减小一半，然后将锚框的尺度增加到0.8，此时锚框的中心即是图像的中心
