Machine learning 我们可以用多个边界框预测器替换目标检测中的锚框吗？

许多流行和最先进的对象检测算法，如YOLO和SSD，都使用锚盒的概念。据我所知，对于像YOLO v3这样的网络，每个输出网格单元都有多个具有不同纵横比的锚盒。对于检测，网络预测与给定对象具有最高重叠a的锚箱的偏移。为什么不使用多个边界框预测器（每个预测器预测x、y、w、h和c）。

关键在于了解锚定框是如何创建的。例如，YOLOv3从训练集中获取边界框的大小，对其应用K-均值，并找到能够很好地描述训练集中存在的所有框的框大小

---

如果您预测w，h而不是锚定框的偏移量，您可能的输出将更加可变，从某种意义上讲，边界框将有许多可能的高度和宽度。但是，如果您预测框的偏移量，该框在某种程度上具有适合您的对象检测任务的大小，那么可变性将更小，因为锚框描述所需的边界框。这将为网络带来更好的性能，因为您重新定义了任务，网络现在学习的输入-输出映射就不那么困难了。

不，锚框不能简单地由多个边界框预测器代替

在你的描述中，有一个小误会

为了进行检测，网络预测与给定对象具有最高重叠a的锚箱的偏移量

只有在训练阶段，才能选择与地面真相重叠程度最高的锚箱。如SSD论文第2.2节“匹配策略”所述。不仅选择最高重叠锚箱，而且选择IoU大于0.5的锚箱

在预测期间，框预测器将预测每个锚框的四个偏移量，以及所有类别的置信度

现在的问题是，为什么预测偏移量而不是框属性（x、y、c、h）

简言之，这与规模有关。对此，我同意@viceriel的回答，但这里有一个生动的例子

假设以下两幅大小相同的图像（左边的图像背景为蓝色）被输入预测器，我们想要得到狗的bbox。现在，每张图片中的红色bbox代表锚盒，这两个都是狗的完美bbox。如果我们预测偏移量，在这两种情况下，框预测器只需要预测四个偏移量的0。如果使用多个预测器，模型必须为

c

和

h

提供两组不同的值，而

x

和

y

是相同的。这本质上就是@vicerial解释的，因为预测偏移量将为预测者提供一个不太难学习的映射

---

这个例子也解释了为什么锚定框可以帮助提高探测器的性能。

我对你的观点感到困惑，锚定框是由大量的边界框组成的，通过设置框的大小来设置archior框的配置