Anchor和RPN的浅薄理解(三)-mmdetection中Anchor生成源码分析

刚哥吧

已于 2022-02-07 16:32:49 修改

阅读量9.2k

点赞数 6

CC 4.0 BY-SA版权

分类专栏：视觉检测图像分割干货文章标签： anchor anchor生成 mmdetection 目标检测

于 2022-02-07 11:10:03 首次发布

本文链接：https://blog.csdn.net/qq_42308217/article/details/122791815

视觉检测图像分割干货专栏收录该内容

58 篇文章 ¥119.90 ¥299.90

订阅专栏

本文深入分析了MMDetection框架中AnchorGenerator类的工作原理，包括构造方法、num_base_anchors、gen_base_anchors、grid_anchors等关键方法。通过这些方法，理解了如何根据特征图尺寸和预设参数生成不同尺度和比例的Anchor，以及如何确定有效Anchor的标志位。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在 MMDetection 中，RPN 网络使用 AnchorGenerator 类生成 Anchor，在config文件中 AnchorGenerator 的默认设置如下：

anchor_generator=dict(
    type='AnchorGenerator',
    scales=[8],
    ratios=[0.5,1.0,2.0], 
    strides=[4,8,16,32,64]),

接下来直接撸 AnchorGenerator 这个类，其实现源码目录为：mmdet\core\anchor\anchor_generator.py

在这个类中，有以下几个比较重要的方法，现有一个初步的认识：

参数及demo调用：参数如果不懂可以在心里留个印象，下面具体分析。Demo直接复制官方：

Args:
    strides (list[int] | list[tuple[int, int]]): 各尺度 feature map 相对于原图的缩放因子，也可以叫做anchor移动的步长
    ratios (list[float]): anchor 的高宽比列表
    scales (lis

了解本专栏