41 锚框【动手学深度学习v2】】
锚框：对边框位置的猜测。
先提出多个框在某个地方，比如5个，然后去看这5个框里面到底有没有物体。
两次预测：锚框位置和锚框内物体的预测。
如何处理锚框？
IoU - 交并比
比较两个框之间的相似度：真实框与锚框之间的相似度。一般会用IoU，越接近1 两个框相似度越接近。
计算公式：交集/并集
IoU ：计算两个集合的相似度（夹克比指数）
赋予锚框标号：一张图片假设有10000个锚框，去预测每个框中的物体，训练时每个锚框是一个训练样本，对于一个锚框要么是背景（那它就是一个负样本），要么是一个真实的物体（那么它就要与一个真实的边缘框关联上）。
目标检测可能处理大量的锚框都是负样本。
赋予锚框标号的办法：假设一个矩阵有（四个物体）对应有4个框，一些初始化的锚框，每个锚框与边缘框去算IoU，计算值填在矩阵里面，将整个矩阵最大的值挑出来，给到它最可能框到的物体的标号做关联，然后将这个值的所在行和列删掉，再取出一个最大值，继续关联，不断这样下去，直到所有的真实边缘框都关联完。
锚框一般固定生成的或者根据图片生成的。
边缘框是提前标好的。
多少个锚框会生成多少个训练样本。
赋予标号的算法很多种，这里介绍比较常用的几种做法。
NMS：非极大值抑制
使用非极大值抑制输出：每个锚框会预测一个边缘框，很多框是相似的，要去掉相似的框，使得输出更加干净。NMS办法是选中非背景类的最大预测值，然后去除与这个最大预测值IoU大于某个阈值的锚框（比如阈值设为0.5），反复这个过程最后得到干净的输出。
总结： 基于锚框做目标检测的算法很多，生成完锚框给每个锚框一个标号，然后计算与真实锚框的偏移，然后进行训练，最后预测使用NMS去掉冗余的预测。
