锚框是什么？目标检测中预先设好的一组参考框

锚框（Anchor Boxes），也叫先验框，是目标检测中预先定义好的一组参考框。它们有不同的大小和长宽比，被均匀地铺设在图像的各个位置上。目标检测模型以这些锚框为起点，预测其中是否包含物体，以及应该如何调整锚框的位置和大小，才能准确地框住物体。

为什么需要锚框

目标检测要在图像中找出所有的物体，并用边界框标出它们的位置。难点在于，物体可能出现在图像的任何位置，大小可能相差很大，形状也各不相同：行人是瘦高的，汽车是扁宽的，远处的物体很小，近处的物体很大。如果让模型凭空直接预测出边界框的坐标，学习起来非常困难。

锚框提供了一个“参考答案”：在图像的每个位置，事先放好几个不同形状的候选框，比如一个正方形、一个瘦高的长方形、一个扁宽的长方形，每种形状再有大中小几种尺寸。模型只需要判断哪些锚框里有物体、是什么物体，再预测锚框需要往哪个方向移动多少、放大或缩小多少，就能得到准确的边界框。预测“相对于参考框的微调”比直接预测绝对坐标要容易得多。

锚框是怎么用的

在训练时，需要为每个锚框分配学习目标：计算每个锚框与图中真实物体框的交并比（IoU），交并比较高的锚框被视为正样本，负责预测这个物体，模型要学习它的类别和偏移量；与所有物体的交并比都很低的锚框被视为负样本，也就是背景。由于图像中大部分区域都是背景，负样本的数量远多于正样本，需要采取措施来平衡。在推理时，模型对所有锚框进行预测，保留置信度高的结果，再用非极大值抑制去掉重复的框。

发展历程

锚框的概念由 2015 年提出的 Faster R-CNN 推广开来，它在区域提议网络中使用锚框来生成候选区域。此后，SSD、YOLO 的第二代到第五代、RetinaNet 等众多检测模型都采用了锚框。YOLOv2 还提出了用聚类算法分析训练数据中物体框的尺寸分布，自动选择更合适的锚框尺寸，而不是靠人工设定。

无锚框方法

锚框也有明显的缺点：锚框的数量、尺寸和长宽比都是需要人工设计的超参数，对检测效果影响很大，换一个数据集可能就要重新调整；大量的锚框带来了额外的计算量，而且绝大多数都是背景。为此，研究者提出了无锚框的检测方法：比如 CornerNet 通过检测物体的左上角和右下角来确定边界框；CenterNet 和 FCOS 直接预测物体的中心点以及到四条边的距离；基于 Transformer 的 DETR 则把目标检测看作一个集合预测问题，直接输出一组物体框，连非极大值抑制也省去了。如今，很多新的检测模型，包括 YOLO 系列的后续版本，都已经转向了无锚框的设计。