锚框 anchor box

博客地址：https://www.cnblogs.com/zylyehuo/

代码总览

代码解释

从头到尾用"快递站管理系统"的比喻方式，完整解释每一行代码的功能和意义。

1. 导入库 - 准备工具包

import torch  #  主工具箱：搬运工（张量操作）
from d21 import torch as d21  #  专用工具包：快递站定制工具（边界框转换等）

torch.set_printoptions(2)  #  设置测量精度：小数点后2位

2. 锚框生成 - 布置仓库货架

def multisourceplot(data, sizes, ratios):
    #  测量仓库尺寸
    in_height, in_width = data.shape[-2:]  # 获取仓库的长宽

    #  准备工具
    device = data.device  # 确定使用哪种搬运车（CPU/GPU）
    num_sizes, num_ratios = len(sizes), len(ratios)  # 清点盒子类型

    #  计算每个位置放几个盒子
    boxes_per_pixel = (num_sizes + num_ratios - 1)  # 每位置放4个盒子

    #  准备盒子模板
    size_tensor = torch.tensor(sizes, device=device)  # 小/中/大三种盒子
    ratio_tensor = torch.tensor(ratios, device=device)  # 方形/长方形模板

    #  确定每个格子的中心点
    offset_h, offset_w = 0.5, 0.5  # 从格子角落往中心走0.5步
    steps_h = 1.0 / in_height  # 纵向每步距离
    steps_w = 1.0 / in_width   # 横向每步距离

    # ️ 创建坐标网格
    center_h = (torch.arange(in_height, device=device) + offset_h) * steps_h
    center_w = (torch.arange(in_width, device=device) + offset_w) * steps_w
    shift_y, shift_x = torch.meshgrid(center_h, center_w, indexing='ij')
    shift_y, shift_x = shift_y.reshape(-1), shift_x.reshape(-1)  # 压平网格

    #  计算每种盒子的实际尺寸
    # 第一类：固定形状，不同大小
    w1 = size_tensor * torch.sqrt(ratio_tensor[0])
    h1 = size_tensor / torch.sqrt(ratio_tensor[0])

    # 第二类：固定大小，不同形状
    w2 = sizes[0] * torch.sqrt(ratio_tensor[1:])
    h2 = sizes[0] / torch.sqrt(ratio_tensor[1:])

    #  合并所有盒子尺寸
    w = torch.cat((w1, w2))
    h = torch.cat((h1, h2))

    #  组装盒子位置偏移量
    anchor_manipulations = torch.stack((-w, -h, w, h)).T.repeat(
        in_height * in_width, 1) / 2  # 计算每个盒子四角偏移

    # ️ 为每个位置分配中心点
    out_grid = torch.stack([shift_x, shift_y, shift_x, shift_y],
                          dim=1).repeat_interleave(boxes_per_pixel, dim=0)

    #  最终确定每个盒子位置
    output = out_grid + anchor_manipulations  # 中心点 + 偏移量
    return output.unsqueeze(0)  #  返回货架布置图（添加批次维度）

3. IoU计算 - 测量格子重叠率

def box_iou(boxes1, boxes2):
    #  定义量具：计算格子面积
    box_area = lambda boxes: ((boxes[:, 2] - boxes[:, 0]) *
                             (boxes[:, 3] - boxes[:, 1]))

    #  测量两组格子各自面积
    areas1 = box_area(boxes1)  # 第一组格子面积
    areas2 = box_area(boxes2)  # 第二组格子面积

    #  计算重叠区域
    # 左上角取较大值（更靠右下的左上角）
    inter_upperlefts = torch.max(boxes1[:, None, :2], boxes2[:, :2])
    # 右下角取较小值（更靠左上的右下角）
    inter_lowerrights = torch.min(boxes1[:, None, 2:], boxes2[:, 2:])
    # 计算重叠区域尺寸（负数取0）
    inters = (inter_lowerrights - inter_upperlefts).clamp(min=0)

    #  计算重叠面积
    inter_areas = inters[:, :, 0] * inters[:, :, 1]
    #  计算总面积
    union_areas = areas1[:, None] + areas2 - inter_areas

    #  返回重叠比例
    return inter_areas / union_areas

4. 锚框分配 - 给包裹分配存储格

def assign_anchor_to_bbox(ground_truth, anchors, device, iou_threshold=0.5):
    #  清点资源
    num_anchors = anchors.shape[0]  # 空盒子数量
    num_gt = ground_truth.shape[0]   # 包裹数量

    #  测量每个空盒与包裹的匹配度
    jaccard = box_iou(anchors, ground_truth)  # 计算IoU矩阵

    # ️ 初始化分配表（-1表示未分配）
    anchor_bbox_map = torch.full((num_anchors,), -1, dtype=torch.long, device=device)

    #  第一轮分配：高匹配度直接分配
    max_iou, indices = torch.max(jaccard, dim=1)  # 每个盒子找最佳匹配
    anc_i = torch.nonzero(max_iou >= iou_threshold).reshape(-1)  # 找出匹配度高的盒子
    box_j = indices[anc_i]  # 对应的包裹编号
    anchor_bbox_map[anc_i] = box_j  # 登记分配关系

    #  第二轮分配：确保每个包裹都有盒子
    col_discard = torch.full((num_anchors,), -1)  # 列作废标记
    row_discard = torch.full((num_gt,), -1)       # 行作废标记

    for _ in range(num_gt):  # 遍历每个包裹
        max_idx = torch.argmax(jaccard)  # 找全局最佳匹配
        box_idx = (max_idx % num_gt).long()  # 包裹编号
        anc_idx = (max_idx // num_gt).long()  # 盒子编号

        anchor_bbox_map[anc_idx] = box_idx  # 分配盒子

        #  标记已分配的包裹和盒子
        jaccard[:, box_idx] = col_discard  # 该包裹列作废
        jaccard[anc_idx, :] = row_discard  # 该盒子行作废

    return anchor_bbox_map  #  返回分配表

5. 偏移计算 - 记录格子调整量

def offset_boxes(anchors, assigned_bb, eps=1e-6):
    #  转换坐标格式：从四角→中心+尺寸
    c_anc = d21.box_corner_to_center(anchors)  # 格子当前尺寸
    c_assigned = d21.box_corner_to_center(assigned_bb)  # 包裹实际尺寸

    #  计算中心点偏移（带缩放因子）
    offset_xy = 10 * (c_assigned[:, :2] - c_anc[:, :2]) / c_anc[:, 2:]

    #  计算尺寸缩放量（对数形式更稳定）
    offset_wh = 5 * torch.log(eps + c_assigned[:, 2:] / c_anc[:, 2:])

    return torch.cat([offset_xy, offset_wh], axis=1)  #  返回调整量表

6. 训练标签生成 - 创建员工培训手册

def multibox_target(anchors, labels):
    #  初始化培训资料
    batch_size = labels.shape[0]  # 培训包裹批次大小
    anchors = anchors.squeeze(0)  # 移除批次维度
    batch_offset, batch_mask, batch_class_labels = [], [], []  # 三个培训模块

    #  处理每个培训包裹
    for i in range(batch_size):
        label = labels[i, :, :]  # 当前包裹信息

        # ️ 分配格子
        anchor_bbox_map = assign_anchor_to_bbox(label[:, 1:], anchors, device)

        #  创建格子使用标记
        bbox_mask = ((anchor_bbox_map >= 0).float().unsqueeze(-1)).repeat(1, 4)

        # ️ 初始化标签
        class_labels = torch.zeros(anchors.shape[0], dtype=torch.long, device=device)
        assigned_bb = torch.zeros((anchors.shape[0], 4), dtype=torch.float32, device=device)

        #  标记有包裹的格子
        indices_true = torch.nonzero(anchor_bbox_map >= 0).flatten()
        bb_idx = anchor_bbox_map[indices_true]
        class_labels[indices_true] = label[bb_idx, 0].long() + 1  # 类别+1（0留给空）
        assigned_bb[indices_true] = label[bb_idx, 1:]  # 记录包裹位置

        #  计算格子调整量
        offset = offset_boxes(anchors, assigned_bb) * bbox_mask

        #  收集培训资料
        batch_offset.append(offset.reshape(-1))
        batch_mask.append(bbox_mask.reshape(-1))
        batch_class_labels.append(class_labels)

    #  打包培训手册
    return (torch.stack(batch_offset),
            torch.stack(batch_mask),
            torch.stack(batch_class_labels))

7. 预测解码 - 应用调整建议

def offset_inverse(anchors, offset_preds):
    #  转换坐标格式
    c_anc = d21.box_corner_to_center(anchors)

    #  应用中心点调整
    pred_bbox_xy = (offset_preds[:, :2] * c_anc[:, 2:] / 10 + c_anc[:, :2]

    #  应用尺寸调整
    pred_bbox_wh = torch.exp(offset_preds[:, 2:] / 5) * c_anc[:, 2:]

    #  重组预测框
    pred_bbox = torch.cat([pred_bbox_xy, pred_bbox_wh], axis=1)

    #  转换回四角坐标
    return d21.box_center_to_corner(pred_bbox)

8. NMS - 去重检查

def nms(boxes, scores, iou_threshold):
    #  按可信度排序
    B = torch.argsort(scores, dim=-1, descending=True)
    keep = []  # 保留列表

    #  遍历所有盒子
    while B.numel() > 0:
        i = B[0]  # 当前最可信的盒子
        keep.append(i)  # 加入保留列表

        if B.numel() == 1:  # 只剩一个盒子时退出
            break

        #  计算与其他盒子的重叠率
        iou = box_iou(boxes[i, :].reshape(-1, 4),
                     boxes[B[1:], :].reshape(-1, 4)).reshape(-1)

        #  保留重叠率低的盒子
        inds = torch.nonzero(iou <= iou_threshold).reshape(-1)
        B = B[inds + 1]  # 更新待处理列表

    return torch.tensor(keep, device=boxes.device)  #  返回保留盒子的索引

9. 检测后处理 - 生成最终报告

def multibox_detection(cls_probs, offset_preds, anchors, nms_threshold=0.5, pos_threshold=0.01):
    #  准备报告模板
    device = cls_probs.device
    batch_size = cls_probs.shape[0]
    anchors = anchors.squeeze(0)
    out = []  # 最终报告列表

    #  处理每个仓库区域
    for i in range(batch_size):
        #  获取员工扫描结果
        cls_prob = cls_probs[i]  # 每个格子的包裹概率
        offset_pred = offset_preds[i].reshape(-1, 4)  # 尺寸调整建议

        #  找出可能含包裹的格子
        conf, class_id = torch.max(cls_prob[1:], 0)  # 跳过背景类别

        #  应用尺寸调整
        predicted_bb = offset_inverse(anchors, offset_pred)

        #  去重处理
        keep = nms(predicted_bb, conf, nms_threshold)

        #  重组所有格子信息
        all_idx = torch.arange(anchors.shape[0], dtype=torch.long, device=device)
        combined = torch.cat([keep, all_idx])
        uniques, counts = combined.unique(return_counts=True)
        non_keep = uniques[counts == 1]  # 找出NMS未保留的格子

        # ️ 标记空格子
        class_id[non_keep] = -1  # -1表示空格子

        #  排序格子信息
        all_id_sorted = torch.cat([keep, non_keep])
        conf = conf[all_id_sorted]
        predicted_bb = predicted_bb[all_id_sorted]

        #  过滤低可信度格子
        below_min_idx = (conf < pos_threshold)
        class_id[below_min_idx] = -1  # 标记为空
        conf[below_min_idx] = 1 - conf[below_min_idx]  # 计算背景概率

        #  生成区域报告
        pred_info = torch.cat((class_id.unsqueeze(1),
                              conf.unsqueeze(1),
                              predicted_bb), dim=1)
        out.append(pred_info)

    return torch.stack(out)  #  返回最终报告

全流程总结