在Faster RCNN论文中，当谈到锚点时，使用“参考盒金字塔”是什么意思，这是怎么做的？这是否仅意味着在每个W * H * k锚点都生成了边界框？

其中W =宽度，H =高度，k =纵横比的数量*数字刻度

链接到论文：https : //arxiv.org/abs/1506.01497

锚解释

锚点

$(H_{featuremap}*W_{featuremap})*(k)$它们，但是它们与图像相对应。然后，对于每个锚，RPN预测包含一个对象的概率以及四个校正坐标，以将锚移动并调整大小到正确的位置。但是锚的几何形状如何与RPN有关系？

锚实际上出现在损失函数中

训练RPN时，首先将一个二进制类别标签分配给每个锚点。高于特定阈值的，具有联合上方交叉点（IoU）的锚点与地面真相框重叠，并分配有正标记（同样，具有小于给定阈值的IoU的锚点将标记为“负”）。这些标签还用于计算损失函数：

$p$$p^*$$t$

$x, y, w,$$x, x_a,$$x^*$$y, w, h$

还要注意的是，没有标签的锚既不分类也不变形，而RPM只是将其排除在计算之外。一旦完成RPN的工作并生成建议，其余的工作与Fast R-CNN非常相似。

我昨天看了这篇论文，乍一看，这也使我感到困惑。重新阅读后，我得出以下结论：

• 原始网络的最后一层（ZF或VGG-16）用作区域提案网络和RoI池的输入。如果是VGG-16，则最后一个转换层是7x7x512 (HxWxD)。
• 该层通过3x3conv层映射到512维层。输出大小为7x7x512（如果使用填充）。
• 对于每个锚框，该层被映射到具有转换层的7x7x(2k+4k)（例如7x7x54）层。1x1k

现在，根据本文中的图1，您可以拥有输入图像的金字塔（相同比例的不同图像），过滤器金字塔（同一层中不同比例的过滤器）或参考框的金字塔。后者指k的是区域提议网络最后一层的锚框。代替将具有不同尺寸的滤光器彼此堆叠（中间壳体），将具有不同尺寸和纵横比的滤光器彼此堆叠。

简而言之，对于每个锚点（HxW例如7x7）的参考箱（一个金字塔k，例如9）被使用。