第一次接触anchor是Faster-R-CNN中提及的RPN（Region Proposal Network）。在我的博文里【Faster-R-CNN总结】也有介绍Faster-R-CNN的几点总结，但是对anchor的定义没有详细说明。在学习过程中，发现很多人其实没有真正搞懂anchor，本人也是如此，反复研究后总算弄清楚原理。
首先明确anchor的位置。anchor是在原图上的区域，而不是在特征图上。然后放一张RPN网络解析图，网上很多地方有引用，如有侵权，请联系我，会及时添加原作者引用：
只看anchors和feature map。重点来了。为什么在特征图上滑动的3*3区域，映射回原图，能得到anchors。这个是基于什么机制。基于SPPnet机制。在SPPnet中，一张原图经过一系列卷积，得到feature map，原图上每个Region Proposal，就可以在这个feature map中找到一个区域，当然这时的区域不一定是2维的，比如7*7*3，是7*7大小区域3通道，然后根据下图机制，把任何大小区域都池化到固定维数。
所以反过来看。上面RPN网络中的feature map中的3*3区域，就可以看成是经过SPPnet机制池化后得到的固定维数区域。这里是假想有这么一个SPPnet模块的作用（即上图中虚线的表示），其实Faster-R-CNN没有这样一个模块。所以原图上，相同中心，不同比例和面积的anchor，经过这样一个假想机制，确实都可以池化成3*3的区域。假想过程：每个anchor经过一系列卷积，得到feature map，这个feature map经过spp机制池化得到了3*3*nchannels维度的特征图。这里的anchors不就相当于SPPnet中原图上的Region Proposals。END！