【学习笔记】目标检测中，为什么要对anchor候选框进行坐标/尺寸归一化处理？

ssd\src\utils.py 中的代码段

for idx, sfeat in enumerate(self.feat_size):
    sk1 = scales[idx] / fig_size  # scale转为相对值[0-1]
    sk2 = scales[idx + 1] / fig_size  # scale转为相对值[0-1]
    sk3 = sqrt(sk1 * sk2)
    # 先添加两个1:1比例的default box宽和高
    all_sizes = [(sk1, sk1), (sk3, sk3)]

for w, h in all_sizes:
    for i, j in itertools.product(range(sfeat), repeat=2):  # i -> 行（y）， j -> 列（x）
        # 计算每个default box的中心坐标（范围是在0-1之间）
        cx, cy = (j + 0.5) / fk[idx], (i + 0.5) / fk[idx]
        self.default_boxes.append((cx, cy, w, h))

       anchor的绝对坐标是以特征图的像素值（scale）为基础，如果不进行归一化，在后续的训练过程中发生尺度变化，或最后映射回原图时，就会产生坐标偏移，造成不必要的误差。

        进行归一化处理后的相对坐标是以在特征图上的比例为原则，根据图像的scale就能得到相应的目标框。