在model.py文件中可以看到以下几行代码： from retinanet.anchors import Anchors self.anchors = Anchors() img_batch, annotations = inputs anchors = self.anchors(img_batch)
1
找到Anchors函数，开始生成锚框操作
根据以上代码， 可以得到相关数据。
2 image_shape = image.shape[2:] 从刚才的实例中得出实参为img_batch(个人理解是我们输入的数据图像)。 image_shape = np.array(image_shape) 将形式改变为数组形式 image_shapes = [(image_shape + 2 ** x - 1) // (2 ** x) for x in self.pyramid_levels] 不同的特征图尺寸（看别的解析是说，这一公式的含义是原图//2**x, 但是我还是没能明白）
?
3 for idx, p in enumerate(self.pyramid_levels): 进行遍历，以下只以P3为例，后续P4-P7操作相同。 anchors = generate_anchors(base_size=self.sizes[idx], ratios=self.ratios, scales=self.scales) 参数1：32； 参数2：0.5，1，2； 参数3：2**0，2**(1/3),2**(2/3) 导入generate_anchors函数部分：
锚框的生成以后，进行转换操作 shifted_anchors = shift(image_shapes[idx], self.strides[idx], anchors) 参数1：P3，参数2：2**3=8，参数3：所有锚框。
导入shift函数部分：
?
最后经过融合以及维度转换等操作，得到最终的锚框。?