目录
[1.锚框（anchor box）](#1.锚框（anchor box）)
[（4）anchor box形状的选择](#（4）anchor box形状的选择)
1.锚框（anchor box）
（1）作用
- anchor box用于从一个图像中检测多个对象
（2）使用
- anchor box的思路是预先定义两个不同形状的anchor box，把预测结果和这两个anchor box关联起来。一般来说，你可能会用更多的anchor box，可能要5个甚至更多。
（3）例子
- 可以发现图中有人和车两个对象，假设我们要检测这2个对象，就要预先定义两个不同形状的anchor box，此时y的类别标签不再是图中左下角的 y，而是重复2次，变为右边的 y
- 前8个（上图中绿色方框标记的参数）是和anchor box 1关联的8个参数，后面的8个参数是和anchor box 2相关联。这下训练的识别卷积网络的输出就是3×3×16
（4）anchor box形状的选择
- 人工指定形状：人工选择5到10个anchor box形状，覆盖到检测对象的多种不同形状，
- k-平均算法（k-means）（YOLO算法中的）：将几类对象形状聚类，如果我们用它来选择一组最具代表性的anchor box
2.完整YOLO算法示例⭐
- 一个检测人，车，摩托的例子。
（1）训练卷积网络
- 假设2个anchor box，图像分为3×3网格，所以网络输出为3×3×16。
（2）预测过程
- 对于这个测试图像
- 得到所有检测框：因为使用两个anchor box，那么对于9个格子中任何一个都会有两个预测框（注意有一些边界框可以超出所在格子的高度和宽度）
- 然后抛弃概率很低的预测框：去掉这些连神经网络都说，这里很可能什么都没有，所以你需要抛弃这些。
- 最后，非极大值抑制：有三个目标检测类别，人，汽车和摩托车，对于每个类别单独运行非极大值抑制，处理预测结果所属类别的边界框，运行三次来得到最终的预测结果。