mmrotate代码解读之RotatedAnchorHead—get_anchors()函数

get_anchors()函数功能：

为每张图像根据其特征图的大小生成锚点，并为每个锚点生成一个判断是否有效的布尔值（valid flag）。valid flag用于标记哪些锚点是在图像填充区域之外

参数：
featmap_sizes: 特征图的尺寸列表，每个元素都是一个二元组，表示特征图的高度和宽度。
img_metas:包含图像元数据的字典列表，例如图像的填充尺寸（pad_shape）。
device:指定生成的锚点张量应该存放在哪个设备上，例如’cuda’或’cpu’。
返回值：
anchor_list:每张图像的锚点列表，每个元素是一个张量，包含了该图像所有锚点的坐标。 valid_flag_list:标记对应锚点是否有效

步骤：
生成锚点：首先，使用anchor_generator的grid_priors方法为一组特征图尺寸生成多尺度的锚点。因为所有图像的特征图大小相同，所以这一步只需要执行一次。

复制锚点：接着，将这组多层次锚点复制给每张图像即batchsize张图片，组成anchor_list。

计算有效标志：落在填充区域的锚点被标记为无效，从而在后续的处理中被忽略。

代码详解：

def get_anchors(self, featmap_sizes, img_metas, device='cuda'):
    """Get anchors according to feature map sizes.
    Args:
        featmap_sizes (list[tuple]): Multi-level feature map sizes.
        img_metas (list[dict]): Image meta info.
        device (torch.device | str): Device for returned tensors

    Returns:
        tuple (list[Tensor]):

            - anchor_list (list[Tensor]): Anchors of each image.
            - valid_flag_list (list[Tensor]): Valid flags of each image.
    """
    # 计算图像的数量
    num_imgs = len(img_metas)

    # 由于所有图像的特征图大小相同，我们只需要计算一次锚点
    multi_level_anchors = self.anchor_generator.grid_priors(
        featmap_sizes, device=device)
    # 为每张图像复制相同的锚点
    anchor_list = [multi_level_anchors for _ in range(num_imgs)]

    # 对每张图像，计算多尺度锚点是否有效
    valid_flag_list = []
    for img_id, img_meta in enumerate(img_metas):
        # 根据图像的填充尺寸计算是否是有效猫点
        multi_level_flags = self.anchor_generator.valid_flags(
            featmap_sizes, img_meta['pad_shape'], device)
        valid_flag_list.append(multi_level_flags)

    return anchor_list, valid_flag_list