目标检测——锚框

基于锚框的目标检测：
在图像中随机生成很多个锚框，首先预测锚框内是否含有目标

然后预测锚框与目标真实的边缘框的偏移

生成锚框后，通过IoU(交并比)来计算两个框之间的相似度，0表示无重叠，1表示重合

IoU=Area(A∩B)/Area(A∪B)​

简单说：IoU 是 “两个框重叠部分的面积” 占 “两个框整体覆盖面积” 的比例

赋予锚框标号：

每个锚框是一个训练样本，将每个锚框，要么标注成背景，要么关联上一个真实边缘框(IoU最大的那个)

非极大值抑制（NMS）输出：其作用是解决 “同一目标被多个锚框重复预测” 的问题

1. 前置基础：目标检测中每个 “锚框”（预设的候选框）会预测一个边界框，但同一目标会被多个锚框覆盖，产生大量重叠框；
2. 选最优框：在所有非背景类的预测框中，选择置信度最高的框作为 “基准框”；
3. 剔除重叠框：计算其他框与基准框的IoU（交并比），去掉 IoU 大于阈值θ（通常取 0.5~0.7）的框（这些框是对同一目标的重复预测）；
4. 循环筛选：对剩余框重复 “选最高置信度框→剔除重叠框” 的步骤，直到所有框要么被选中，要么被剔除。