锚框

中文版 pytorch
45

這麽長一篇評論，只有这一个答案是靠谱的。

1 Like
47

:+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+1: :+ :clap: :clap:

48

代码里输入的r’是锚框的w/h，书里给的r是锚框的(w’/h’)除以原图的(w/h)，而代码里把r’当作r来算，最后为了满足w/h=r’，让w’乘以了 in_height / in_width.
实际上r = r’ * in_height / in_width. 和你下面的式子等价。当然两种方法都可以生成正确的锚框，就是逻辑和代码有出入。

49

以同一像素为中心的锚框的数量是n+m−1。这里n+m-1计算方式是这样的，比如考虑缩放比s1,s2,s3,宽高比：r1,r2,r3。文中提到“ 在实践中，我们只考虑包含s1或r1的组合：”，所以这里的生成的锚框个数是：
(s1,r1),(s1,r2),(s1,r2),
(s2,r1),(s2,r2),(s2,r2),
(s3,r1),(s3,r2),(s3,r3),
这里的锚框就是包含r1+包含s1的锚框，即：(s1,r1),(s1,r2),(s1,r2),(s2,r1),(s3,r1)，一共m+n-1 = 3+3-1=5个

50

这里的只要一个锚框和真实边界框的交互比大于设定值0.5即会完成分类，这里还没有进行后面的非极大抑制的操作呢

51

写得很清晰明了，看你的看懂了 :smiling_face: :smiling_face::smiling_face::smiling_face::smiling_face:

52

看了上面的评论看了一下午一直没看明白，看到你这里才感觉恍然大悟，谢谢！

53

刚刚弄懂前面讲的代码，你这里有给出了示意图，d2l的代码中讲的就是第三种，但是在代码的w中多*了in_height / in_width。感谢

54

标记，此解释正确，代码合理且通俗易懂。书中的讲解及代码均将r理解为宽高比的缩放，不过理解为宽高比缩放的话，w的那一段代码就不应该* in_height / in_width，不过这种情况下r=1就不是正方形了（本来就不应该是正方形，而是与原图同高宽比）。书中为了强制将其转换为正方形而* in_height / in_width。经过对比，生成的锚框是不一样的。

55

感谢，看了就你这个回答是最靠谱的！本身就是很简单才对 :laughing:

56

应该是按照原图的width和height对锚框做归一化，这样锚框的高宽输出是0~1。

57

最近一段时间colab出现d2l包安装不上的问题，希望能解决

58

这个有问题吧。
代码中的r’是锚框的宽高比也就是w’/h’。代码上面的公式w’=wssqrt(r)中的r是 锚框的宽高比除以原图的宽高比也就是 r = (w’/h’)/(w/h)
那么r = r’ / (w/h) = r’h/w。这个关系是没有错的。但是 r是在根号里的。
w’ = w* s* sqrt(r’h/w) 也就是最后乘以的应该是 sqrt(h/w)

59

我觉得乘以in_height/in_width并不是为了让w和h变成正方形，而是已经是正方形了为了维持原有图片的宽高比，in_height / in_width 以外的部分 其实是这样的：
w = s * sqrt(r)
h = s / sqrt(r)
和上面的公式相比
w = wssqrt(r)
h = h*s/sqrt(r)
各缺少了w和h 也就是说明 这个式子应该是归一化的式子。如果不加in_heigh/in_width，这个w和h就是归一化好的，也就是本来就是正方形。
乘以in_height/in_width才是为了让w和h位置原有的比例关系。
所以我觉得@echo233（锚框 - #8 by echo233 说的对。

60

iShot_2023-09-22_18.13.05
iShot_2023-09-22_18.13.051244×788 57.9 KB

61

但是如果将s视为缩放比，即锚框的h,w为原图h，w的s倍。r视为w/h的话。
如果按照书中a_w = hssqrt(r)，a_h = hs/sqrt(r)这样计算的话。a_w * a_h = hhss了

62

image
就是按照这个公式来只不过对宽高做了归一化。宽度再除以一个w，高度再除以一个h

64

关于w 到底是 h·s·sqrt(r) 还是 w·s·sqrt(r) 中文版公式定义里已经修改了吧，有趣的是英文版的本来也一样修改为了h·s·sqrt(r) ，今年七月又被改回去了w·s·sqrt(r)。

65
  • in_height / in_width是需要的，因为 s 是宽、高的等比例缩放，如果图像的宽和高相等时，那么in_height / in_width＝1，可以去掉，如果图像是长方形，那么宽和高的缩放比例会不一致，导致anchor在r=1时也是长方形，无法生成正方形的anchor。所以宽度的缩放比例由s改为s*H/W, 高度的缩放比例仍是s。
66

感覺是讓它置換成背景的概率(20字20字）