retinanet之anchor

最新推荐文章于 2024-08-11 09:35:58 发布

烽火四起，烟雨平生

最新推荐文章于 2024-08-11 09:35:58 发布

阅读量1.4k

点赞数

文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/qq_43724644/article/details/105564386

版权

本文深入解析RetinaNet中的锚框（anchor）概念，包括其生成过程、参数设置及在不同金字塔层级上的应用。介绍了scales和ratios如何决定锚框的大小和宽高比，以及这些参数在目标检测任务中的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

retinanet之anchor

1.综述

anchor即目标检测的先验框，retinanet的anchor有scales和ratios，根据每个pyramid_levels生成三个scales，三个ratios，然后形成九种先验框。
scales：anchor的大小（宽）
ratios：anchor的宽高比

2.参数：pyramid_levels, strides, sizes, ratios, scales

class Anchors(nn.Module):
    def __init__(self, pyramid_levels=None, strides=None, sizes=None, ratios=None, scales=None):
        super(Anchors, self).__init__()

        if pyramid_levels is None:
            self.pyramid_levels = [3, 4, 5, 6, 7]
        if strides is None:
            self.strides = [2 ** x for x in self.pyramid_levels]
        if sizes is None:
            self.sizes = [2 ** (x + 2) for x in self.pyramid_levels]
        if ratios is None:
            self.ratios = np.array([0.5, 1, 2])
        if scales is None:
            self.scales = np.array([2 ** 0, 2 ** (1.0 / 3.0), 2 ** (2.0 / 3.0)])