解释这段函数：def define_img_size(image_size): shrinkage_list = [] feature_map_w_h_list = [] for size in image_size: feature_map = [int(ceil(size / stride)) for stride in strides] feature_map_w_h_list.append(feature_map) for i in range(0, len(image_size)): shrinkage_list.append(strides) priors = generate_priors(feature_map_w_h_list, shrinkage_list, image_size, min_boxes) return priors

这是一个定义图像大小的函数。传入参数为图像的尺寸，它会根据图像大小和一些预定义的参数计算出一组先验框（priors），用于目标检测。

具体来说，函数会计算出特征图的大小（feature_map_w_h_list），这个特征图是通过对原始图像进行卷积和池化得到的。然后，函数会根据预定义的步幅（strides）计算出缩小的比例（shrinkage_list），用于在特征图上定位先验框。最后，函数会调用 generate_priors 函数生成一组先验框，其中参数包括特征图大小、缩小比例和最小框数量等。

返回值为生成的先验框。