什么是锚框？——每个像素铺多个候选框
以同一像素为中心，生成不同尺寸、宽高比的框
训练时：按 IoU 给每个锚框贴“物体 / 背景”标签
预测时：网络对每个锚框输出 类别 ＋ 偏移修正
训练：给锚框贴标签 🏷️
锚框集合
与真实框算 IoU
正样本：物体
负样本：背景
学 类别＋偏移
匹配规则：IoU最大的锚框认领真实框；低于阈值的锚框 → 背景
预测：非极大值抑制 NMS 去重 ✂️
0.9 保留
0.7 抑制
0.8 保留
另一物体
① 按置信度排序，保留最高分框
② 删除与它 IoU 超阈值的冗余框
③ 重复处理剩余候选
锚框把“找物体”变成“对所有候选框做分类＋回归”——检测网络的统一框架