Anchor Boxes
假設你有這樣一張圖片，對於這個例子，我們繼續使用 3×3 網格，注意行人的中點和汽車的中點幾乎在同一個地方，兩者都落入到同一個格子中。所以對於那個格子，如果y輸出這個向量：
你可以檢測這三個類別，行人、汽車和摩托車，它將無法輸出檢測結果，所以我必須從兩個檢測結果中選一個。
而 anchor box 的思路是，這樣子，預先定義兩個不同形狀的 anchor box，或者 anchor box 形狀，你要做的是把預測結果和這兩個 anchor box 關聯起來。你要做的是定義類別標簽，用的向量不再是：
而是重復兩次：
前面的8個參數${p_c}$,${b_x}$,${b_y}$,${b_h}$,${b_w}$,${c_1}$,,${c_2}$,${c_3}$（綠色方框標記的參數）是和 anchor box 1 關聯的 8 個參數，后面的 8 個參數（橙色方框標記的元素）是和 anchor box 2 相關聯。
因為行人的形狀更類似於 anchor box 1 的形狀，所以你可以用這 8 個數值（前8 個參數），這么編碼${p_c} = 1$，是的，代表有個對象，用${b_x}$,${b_y}$,${b_h}$,${b_w}$來編碼包住行人的邊界框，然后用${c_1}$,,${c_2}$,,${c_3}$來說明這個對象是個行人然后是車子，因為車子的邊界框比起 anchor box 1 更像 anchor box 2 的形狀，你就可以這么編碼，這里第二個對象是汽車，然后有這樣的邊界框等等，這里所有參數都和檢測汽車相關。
現在每個對象都和之前一樣分配到同一個格子中，分配到對象中點所在的格子中，以及分配到和對象形狀交並比最高的 anchor box中。這個對象不只分配到一個格子，而是分配到一對，即（ grid cell， anchor box）對，這就是對象在目標標簽中的編碼方式。所以現在輸出y就是 3×3×16,或者你也可以看成是3×3×2×8，因為現在這里有 2 個 anchor box，而y是 8 維的。
現在還有一些額外的細節，如果你有兩個 anchor box，但在同一個格子中有三個對象，這種情況算法處理不好，對於這種情況，我們就引入一些打破僵局的默認手段。還有這種情況，兩個對象都分配到一個格子中，而且它們的 anchor box 形狀也一樣，這是算法處理不好的另一種情況，你需要引入一些打破僵局的默認手段，專門處理這種情況。
我們建立 anchor box 這個概念，是為了處理兩個對象出現在同一個格子的情況，實踐中這種情況很少發生，特別是如果你用的是 19×19 網格而不是3×3 的網格，兩個對象中點處於 361 個格子中同一個格子的概率很低，確實會出現，但出現頻率不高。也許設立 anchor box 的好處在於 anchor box 能讓你的學習算法能夠更有針對性。
人們一般手工指定 anchor box 形狀，你可以選擇 5 到 10 個 anchor box 形狀，覆蓋到多種不同的形狀，可以涵蓋你想要檢測的對象的各種形狀。
YOLO 論文中有更好的做法，就是所謂的 k-平均算法，可以將兩類對象形狀聚類，如果我們用它來選擇一組 anchor box，選擇最具有代表性的一組 anchor box，可以代表你試圖檢測的十幾個對象類別，但這其實是自動選擇 anchor box 的高級方法。