2、Anchor的数学原理：IoU计算、Anchor与Ground Truth的匹配策略

Anchor 这东西，说白了就是一组预设的框。你想想看，让模型直接从零开始预测物体的位置和大小，那太难了。给它一些“参考线”，它只需要在这个基础上微调就行。这一讲，我们就来拆解 Anchor 背后最核心的两个数学工具：IoU 和 匹配策略。

2.1 IoU：衡量两个框的重合程度

IoU，全称 Intersection over Union，中文叫交并比。它是目标检测里最基础、也最重要的指标。我刚开始做检测时，觉得这东西简单，不就是算个重叠吗？后来才发现，很多调优的坑，根源都在 IoU 的计算细节上。

公式其实很直观：

IoU = (两个框的交集面积) / (两个框的并集面积)

如果两个框完全重合，IoU = 1。如果完全不挨着，IoU = 0。嗯，就是这么简单。

核心要点： IoU 的值域是 [0, 1]。在 YOLO 中，我们通常用 IoU 来判断一个 Anchor 是否“匹配”上了某个真实物体（Ground Truth）。

我在项目中遇到过一个问题：两个框只有一个小角重叠，IoU 算出来只有 0.05。这种 Anchor 如果被强行拿去训练，模型会学到非常模糊的特征。所以，匹配策略里通常会设一个阈值，比如 0.5，低于这个值的 Anchor 直接忽略。

2.2 匹配策略：谁该去预测这个物体？

有了 IoU 这个工具，接下来就是怎么用它来分配任务。YOLO 的匹配策略，说白了就是一句话：每个 Ground Truth 框，只交给最合适的 Anchor 去负责。

具体怎么做？我习惯把它分成三步：

  1. 计算所有 Anchor 与 Ground Truth 的 IoU
  2. 找出 IoU 最大的那个 Anchor
  3. 把这个 Ground Truth 分配给这个 Anchor

你可能会问：“那 IoU 不是最大的 Anchor 怎么办？” 答案是：它们去负责“背景”类，也就是告诉模型“这里没有物体”。

我的经验： 早期 YOLOv1 没有 Anchor，每个格子只能预测两个框，效果很差。YOLOv2 引入 Anchor 后，mAP 直接提升了 10 个点。这就是“给模型一个支点”的力量。

2.3 匹配策略的细节：正样本与负样本

匹配策略决定了哪些 Anchor 是正样本（负责预测物体），哪些是负样本（负责预测背景）。这里有一个常见的坑：正负样本不平衡。

一张 416x416 的图片，如果用了 9 个 Anchor，特征图是 13x13，那总共有 13x13x9 = 1521 个 Anchor。但图片里可能只有 3 个物体。正负样本比例接近 1:500。如果不做处理，模型会倾向于把所有东西都预测为背景。

YOLO 怎么解决？它用了两个技巧：

  • 忽略那些 IoU 不高不低的 Anchor（比如 IoU 在 0.3 到 0.7 之间的），不让它们参与损失计算。
  • 只保留 IoU 最大的那个 Anchor 作为正样本，其他的要么是负样本，要么被忽略。

避坑指南： 我曾经在调参时，把 IoU 正样本阈值设得太低（比如 0.3），结果模型把很多背景区域也当成了物体，误检率飙升。后来我把阈值提到 0.6，效果才稳定下来。记住：阈值不是越高越好，也不是越低越好，得根据你的数据集来试。

2.4 多尺度匹配：YOLOv3 的改进

YOLOv3 引入了一个重要的改进：多尺度匹配。简单说，就是不同大小的 Anchor 分配给不同尺度的特征图去预测。

比如：

  • 大 Anchor（如 373x326）分配给 13x13 的特征图（感受野大，适合检测大物体）。
  • 中 Anchor（如 156x198）分配给 26x26 的特征图。
  • 小 Anchor（如 30x61）分配给 52x52 的特征图（感受野小，适合检测小物体）。

这样做的好处是：每个尺度的特征图只负责它擅长的大小。我在做小目标检测时，就靠调整这个分配策略，把召回率从 60% 提到了 85%。

2.5 知识结构图：Anchor 匹配流程

下面这张图，把整个匹配流程串起来了。你可以看到，从 Anchor 生成到最终分配，每一步都离不开 IoU 的计算。

Anchor 匹配流程 Anchor 与 Ground Truth 匹配流程 输入：Anchor 集合 + GT 框 计算每个 Anchor 与 GT 的 IoU IoU 是否大于阈值（如 0.5）？ 是 标记为正样本 否 标记为负样本 输出：正/负样本分配结果 注意事项 • 阈值需根据数据集调整 • 正样本过多会导致过拟合 • 负样本过多会导致欠拟合 • 建议从 0.5 开始尝试

2.6 匹配策略的对比：YOLOv3 vs YOLOv5

不同版本的 YOLO，匹配策略略有不同。我整理了一个表格，方便你对比：

版本 匹配策略 正样本数量 特点
YOLOv3 每个 GT 只匹配 IoU 最大的 Anchor 1 个 简单直接，但正样本太少
YOLOv4 IoU 大于阈值的都算正样本 多个 增加了正样本数量，训练更稳定
YOLOv5 基于宽高比的匹配 多个 不再依赖 IoU，而是看形状是否相似

我的建议： 如果你刚开始做 Anchor 调优，先用 YOLOv3 的策略，简单可靠。等你对数据分布有了感觉，再尝试 YOLOv5 的宽高比匹配，效果可能会更好。

2.7 实战中的常见问题

最后，分享几个我在实战中踩过的坑：

  • 问题一： 所有 Anchor 都匹配不上 GT。原因通常是 Anchor 的尺寸设置不合理，或者阈值太高。解决办法：重新聚类 Anchor，或者降低阈值。
  • 问题二： 一个 GT 匹配了太多 Anchor。这会导致模型对同一个物体产生多个预测，造成重复检测。解决办法：使用 NMS（非极大值抑制）后处理，或者在匹配时限制每个 GT 最多匹配 3 个 Anchor。
  • 问题三： 小物体总是漏检。原因可能是小 Anchor 太少，或者特征图分辨率不够。解决办法：增加小 Anchor 的数量，或者使用更高分辨率的特征图。

嗯，这一讲的内容就到这里。IoU 和匹配策略是 Anchor 调优的基石，理解了它们，你就能更好地理解后续的聚类、损失函数等内容。

← 上一章 📖 返回目录 下一章 →