你有沒有在找車子時，先猜大概在哪個位置，再把框慢慢縮準？
你可以把錨框想成目標檢測模型先準備好的候選框，先拿不同大小和長寬比的框去猜，之後再微調成真正物體的位置。它讓模型不用從零開始找每個物體。
這很重要，因為照片裡的物體大小和形狀差很多，先準備好幾種框，模型比較容易抓到。
容易混淆
錨框 vs 邊界框偵測
錨框是先準備好的候選框。
邊界框偵測是最後框出物體的位置。
最關鍵的區別：錨框是起點，邊界框是結果。
錨框 vs 物件偵測
物件偵測是整個任務。
錨框只是其中一個常用設計。
最關鍵的區別：一個是大目標，一個是工具。
錨框 vs 非極大值抑制
錨框負責提出候選。
非極大值抑制負責把重複框刪掉。
最關鍵的區別：一個生框，一個去重。
記住這句就好
先丟很多猜測框，再把最像的那個調準。
實際案例
行人偵測
走路的人可能很細長，也可能只露出半身，錨框提供不同長寬比的起始框，模型才比較容易抓到。
車輛偵測
遠處小車和近處大車大小差很多，如果只用單一框型，模型很容易漏掉其中一種。
算法與應用
常見設計
會先依資料集統計物體大小和比例，再設定多種錨框尺寸，接著用 IoU 來決定哪些錨框對應正樣本。
常見場景
兩階段偵測器和某些單階段偵測器都會用到錨框，只是用法不同。
情境判斷
Q1（直覺題）： 一張圖裡同時有小車和大卡車，為什麼需要多種錨框？
→ 因為不同大小的物體需要不同起始框，單一尺寸很容易漏掉其中一種。
Q2（判斷題）： 只要錨框設得越多越好嗎？
→ 不一定，這要看情況。錨框太多會讓計算變重，也可能讓正負樣本比例更難調。
常見問題
錨框大小怎麼選？
通常會根據資料集裡物體的大小分布和長寬比來調。
錨框和 IoU 有什麼關係？
IoU 常用來判斷錨框和真實框是不是夠接近，進而分配標籤。
沒有錨框也能做物件偵測嗎？
可以，有些新方法會直接預測物體位置，不靠錨框。
錨框一定比較準嗎？
不一定，它只是常見做法之一，效果還是要看任務和模型設計。