torchvision的AnchorGenerator的anchor尺寸对应输入图还是特征图？

核心结论 #

AnchorGenerator的sizes参数直接对应原始输入图像上的anchor物理尺寸，不需要手动结合backbone下采样倍率做换算。

逻辑说明 #

torchvision的AnchorGenerator实现中，已经内置了特征图到原始图像的尺度映射逻辑，你只需要额外传入对应特征层的下采样步长strides参数，内部会自动完成尺寸换算，不需要用户手动处理。

场景示例 #

针对你提到的测试场景：

• 检测目标在原始输入图像上的尺寸为32x32，宽高比为1.0
• 对应backbone包含2个步长为2的池化层，总下采样倍率为4

你只需要做如下参数设置即可，不需要手动计算32/(2^2)=8：

• sizes参数传入(32,)
• 对应特征层的strides参数传入4

内容的提问来源于stack exchange，提问作者millivolt9