我的理解是，锚框（在Yolo v2算法中）的动机是，在Yolo的第一个版本（Yolo v1）中，不可能在同一网格框中检测到多个对象。我不明白为什么会这样。
此外，作者的原始论文（Yolo v1）引用如下：
“每个网格单元都可以预测B边界框以及这些框的置信度得分。这些置信度得分反映出该模型对该盒子包含一个对象的信心如何，以及它认为该盒子所预测的准确性。”
这是否表示网格单元可以识别多个对象？在他们的论文中，他们将B设为2。为什么不将B设为任意更高的数字（例如10）？
第二个问题：如何将“锚框”尺寸绑定到“边界框”尺寸以检测特定对象？一些网站称锚框仅定义形状，而另一些网站则称其定义形状和大小。在这两种情况下，锚框如何与边界框绑定？
谢谢， 桑迪普
答案 0 :(得分：1)
您是正确的，YOLOv1具有多个（B）边界框，但是这些边界框没有以有效或系统的方式分配给地面实况，因此也无法推断边界框足够准确。
正如您可以在Internet上的博客文章上看到的那样，“锚定/默认框”是原始图像中的一个框，对应于特定功能图中的特定单元格，并为其分配了特定的长宽比和比例。 比例通常由特征图（更深的特征图->大锚比例）决定，长宽比会有所不同，例如{1：1，1：2，2：1}或{1：1，1：2，2：1，1：3，3：1}。 通过比例尺和纵横比，可以确定特定的形状，并将该形状（其位置由特征图中当前单元的位置决定）与原始图像中的地面真值边界框进行比较。
不同的论文有不同的分配方案，但通常是这样的：（1）如果具有GT的原始图像上的锚点的IoU超过某个阈值（例如0.5），则这是对正值的正分配锚点；（2）如果低于某个阈值（例如0.1），则为负分配；（3）如果这两个阈值之间存在间隙-则忽略两者之间的锚点（在损失计算中）。
这样，锚实际上就像负责特定情况的“探测器头”一样，在形状上最相似。因此，它有责任检测形状相似的对象，并推断出每个类的置信度，以及相对于它的边界框参数，即修改锚点的高度，宽度和中心的大小（在两个轴上）以接收正确的边界框。
由于这种分配方案可以有效地在不同锚点之间分配责任，因此边界框预测更加准确。
YOLOv1方案的另一个缺点是它使边界框和分类分离。一方面，这节省了计算，但另一方面-分类是在网格单元的级别上。因此，包围盒的B选项都具有相同的类预测。例如，这意味着，如果存在具有相同中心的不同类的多个对象（例如，持猫的人），那么除一个对象外，至少所有对象的分类都是错误的。请注意，从理论上讲，相邻网格单元的其他预测可能会弥补这种错误的分类，但并不能保证，特别是因为采用YOLOv1的方案，中心是分配标准。