在训练对象检测模型（如 Faster R CNN、YOLO 和 SSD）期间，锚框大小是否会得到细化？答案

【问题标题】：Do anchor box size gets refined during training object detection models like Faster R CNN,YOLO and SSD?在训练对象检测模型（如 Faster R CNN、YOLO 和 SSD）期间，锚框大小是否会得到细化？
【发布时间】：2021-04-16 17:12:30
【问题描述】：

我正在学习，使用对象检测模型 Faster R CNN、YOLOv3 和 SSD。我对锚框尺寸精炼感到困惑。

【问题讨论】：

你的问题不是很清楚，你能提供更多关于什么是“盒子尺寸精炼”的细节吗？
锚只是一组指示可能对象的参考框。在 yolo 中提取特征图后，图像被划分为网格，每个网格与具有不同纵横比的锚框相关联。如果该网格中存在对象，这些默认框/锚将给出带有弹框坐标的对象分数.同样，对于 ssd，有 8732 个默认 bbox，对于更快的 rcnn 锚框，如果存在任何对象，则会给出对象性分数。这是在 RPN 提案生成器期间完成的。
我的问题是默认框/锚框大小是在训练期间更新（反向传播）还是保持不变？

标签： python object-detection yolo faster-rcnn

【解决方案1】：

当然，锚框的大小（和位置）会在训练过程中得到细化。正如您在评论中所说，锚框只不过是输出网格上固定位置的一组参考框。每个网格单元额外预测对象性分数以及边界框的标签和精确坐标。

这些最后的坐标对应于您正在谈论的框尺寸精炼。这种回归的实现因网络而异（SSD、Yolo、Faster-RCNN、...）。

我鼓励您阅读文献，尤其是非常清晰的 Yolo 论文。在“YOLO9000：Better, Faster, Stronger”（可在线免费获取）中，第 3 页非常详细地解释了边界框精炼。

当然这一切都是在训练过程中学到的，看看“You Only Look Once: Unified, Real-Time Object Detection”论文第4页中Yolo的损失函数。

【讨论】：

【解决方案2】：

当然，anchor box是在训练的时候细化的。这是网络学习预测准确框并纠正任何定位错误的唯一方法。网络学习offsets 来细化锚框的形状和大小。

您可以阅读更多关于锚框如何工作的信息here

【讨论】：