引入

無論是基於滑動視窗，還是基於網格YOLO的目標檢測演算法，都有可能存在同一個問題：有可能一個BOX中有多個目標，如下圖所示：

這樣的圖中，行人和車同時存在，並且他們的中心位置都位於同一個網格中。這種情況下，傳統檢測方法的輸出，就無法勝任了。怎麼解決這個問題呢？

Anchor Box演算法

對於這個例子，我們引入Anchor Box，如下圖所示，我們這裡只用兩個Anchor Box，說明同一個網格中最多可能存在兩類物體。Anchor Box的個數與每個網格中可能出現的最多物體數量相同，也就是Y值的標註需要標註的物體個數。實際專案中，會用更多的Anchor Box。如下圖：

圖中用了兩個Anchor Box，所以Y值的標註，就需要標註兩類物體（標註的成本是升高的）。Y值中：

• pc：網格中是否含有目標物件
• bx：目標物件中心點的x座標
• by：目標物件中心點的y座標
• bh：目標物件的高度
• bw：目標物件的寬度
• c1,c2,c3：目標物件的類別

可見，標註中，Y值中的每個引數，都是由0/1組成的。對於本文這個例子，Y值的輸出為：3x3x8x2。其中3x3是影象上的網格大小，8是每個物件的輸出，2說明用了兩個Anchor Box。

總結

Anchor Box的概念，是為了解決同一個網格中有多個目標物件的情況。現實情況中，你的網格劃分越細，比如將3x3的網格變為10x10，這種同一個網格中有多個目標物件的情況就越少。

參考

AndrewNG的deep learning