pytorch - torchvision 的 AnchorGenerator 中的 anchor 框大小是否与输入图像、特征图或其他内容有关？

Question

这不是关于 anchor 框、Faster-RCNN 或任何与理论相关的一般性问题。这是一个关于如何在pytorch中实现 anchor 框的问题，因为我是新手。我已经阅读了这段代码，以及 torch 仓库中的许多其他内容:

https://github.com/pytorch/vision/blob/main/torchvision/models/detection/anchor_utils.py

AnchorGenerator 的“大小”参数是关于原始图像大小，还是关于从主干输出的特征图？

为了更加清晰和简化，假设我只对检测输入图像中 32x32 像素的对象感兴趣。所以我的 anchor 框长宽比肯定是 1.0，因为高度=宽度。但是，我放入 AnchorGenerator 32 的大小是多少？或者我是否需要使用主干进行一些数学运算(例如，我有 2 个 2x2 最大池化层，步幅为 2，所以我给 AnchorGenerator 的大小应该是 32/(2^2) = 8)？

Answer 1

Is the "sizes" argument to AnchorGenerator with respect to theoriginal image size, or with respect to the feature map being outputfrom the backbone?

sizes 参数是应用于输入图像的每个边界框的大小。如果您有兴趣检测 32x32 像素的对象，您应该使用

anchor_generator = AnchorGenerator(sizes=((32,),),
                                   aspect_ratios=((1.0,),))