Нет, якорные ящики не могут быть просто заменены несколькими предикторами ограничивающих ящиков.
В вашем описании было небольшое недоразумение.
Для обнаружения сеть прогнозирует смещение для якорного ящика с наибольшим перекрытием для данного объекта
Выбор якорного ящика с самым высоким перекрытием относительно земли происходит только во времяэтап обучения.Как описано в разделе 2.2 «Стратегия соответствия» в документе SSD.Выбираются не только блоки привязки с наивысшим перекрытием, но также и те, которые имеют IoU больше 0,5.
В течение времени прогнозирования блок прогнозирования будет прогнозировать четыре смещения каждого блока привязки вместе сконфиденциальность для всех категорий.
Теперь встает вопрос, почему прогнозирование смещений вместо атрибутов бокса (x, y, c, h).
Короче говоря, это связано с масштабами,Для этого я согласен с ответом @ viceriel, но вот яркий пример.
Предположим, что следующие два изображения одинакового размера (левый имеют синий фон) передаются предиктору, и мы хотим получить bbox для собаки.Теперь красный bbox на каждом изображении представляет якорные ящики, оба являются идеальным bbox для собаки.Если мы прогнозируем смещение, то блоку прогнозирования нужно только прогнозировать 0 для четырех смещений в обоих случаях.Хотя при использовании нескольких предикторов модель должна давать два разных набора значений для c
и h
, тогда как x
и y
одинаковы.По сути, это то, что объясняет @vicerial, так как прогнозирование смещений будет представлять собой менее сложное отображение для изучения предиктором.
Этот пример также объясняет, почему якорные ящики могут помочь улучшить производительность детектора.