分析一下weiliu89的caffe-ssd代码吧

weiliu89在caffe里面加了这么一堆东西，来做他的ssd，我觉得作者实在是有点overdesign了，把代码搞的可读性很差。而且很关键的一点是，这哥们不喜欢在代码里加任何空行，所有代码都密密麻麻挤在一起。你的屏幕面积就那么宝贵么？

费了好几天劲，终于大概看完了他的代码，大概有这么些东西：

数据集准备

caffe/data/coco
caffe/tools/convert_annoset.cpp

caffe proto

LabelMapItem, LabelMap,
NormalizedBBox, Annotation, AnnotationGroup, AnnotatedDatum

ExpansionParameter,
SaltPepperParameter, NoiseParameter, DistortionParameter, 
Sampler, SampleConstraint, BatchSampler, EmitConstraint
ResizeParameter, 

AnnotatedDataParameter
PriorBoxParameter
MultiBoxLossParameter
NonMaximumSuppressionParameter, SaveOutputParameter, DetectionOutputParameter

新增的h/cpp/cu代码

layers/annotated_data_layer.hpp/cpp
layers/detection_evaluate_layer.hpp/cpp
layers/detection_output_layer.hpp/cpp/cu
layers/multibox_loss_layer.hpp/cpp
layers/prior_box_layer.hpp/cpp
layers/smooth_L1_loss_layer.hpp/cpp/cu
util/bbox_util.hpp/cpp/cu
util/im_transforms.hpp/cpp
util/samper.hpp/cpp
data_transformer.hpp/cpp

然后其实他的算法过程就是这么些东西：

Annotated data layer和data transformer

Annotated data layer产生图像以及图像中标记的目标框。图像以及目标框经过data 
transformer进行一系列变换，依次为：
(1) Image distortion;
(2) Image expansion;
(3) Sampling a random crop window;
(4) Data transform: Adding noise, resizing, 
步骤(1)中，使用了caffe proto中的DistortionParameter.
步骤(2)中，使用了caffe proto中的ExpansionParameter。
步骤(3)中，使用了caffe proto中的Sampler, SampleConstraint, BatchSampler。
步骤(4)中，使用了caffe proto中的ResizeParameter和NoiseParameter，先resize 然后加
noise，并且将去掉中心点落到图像外的目标框。
AnnotatedDataLayer输出的目标表示为N*8*1*1的tensor，有N个目标，8个值分别为：
(0) - 来自batch中的第i张图片；
(1) - 目标类别；
(2) - 目标序号;
(3-7) - xmin, ymin, xmax, ymax坐标，均为相对图像宽高归一化到[0, 1]之间的值;
(8) - 是否difficult。

Prior box layer产生prior box

Prior box layer根据图像大小和feature map大小，以及预设的参数，生成prior box。

PriorBoxParameter中，指定了min_size，max_size，和aspect_ratio。另外还有参数flip
和clip，如果flip为true，则将有一组额外的aspect ratio。如果clip为true，则将超出图
像边缘的prior box固定到图像内。作者给的训练网络中flip为true，clip为false。

每个min_size和aspect_ratio的组合生成一个prior box，每个max_size 再生成一个额外的
prior box。在作者的训练网络中，每个prior box用xmin，ymin，xmax，ymax表示，均为相
对于图像宽高的归一化值。此外每个prior box还有4个variance值，用于计算损失时对坐标
进行归一化。作者在训练网络中将这4个variance分别设置为0.1, 0.1, 0.2, 0.2。

Multi box loss layer计算multi box loss

在计算multi box loss时，依次进行如下操作：
(1) GetGroundTruth，从blob复原回NormalizedBBox。
(2) GetPriorBoxes，获取feature map上每个点对应的prior box。
(3) GetLocPredictions，获取feature map上每个点的预测的目标框。注意对不同类别共用
    一个目标框。
(4) FindMatches，将prior box与groundtruth box进行匹配，找到prior box中哪些应作为
    正样本。这里如下参数发挥作用：
    - use_prior_for_matching：在作者的代码中为true，即匹配prior box与gnd box。
    - overlap_threshold：控制了判定样本为正样本的覆盖率阈值。
    - match_type：在作者的代码中设置为PER_PREDICTION，即对每个 gnd box，选择最佳
      匹配的prior box作为positive box，以及对每个prior box，如果与其覆盖率最高的
      gnd box的覆盖率超过overlap_threshold，也将其作为positive box。
(5) MinHardExamples，选择hard negative window。这里如下参数发挥作用：
    - do_neg_mining
    - mining_type
    - use_prior_for_nms
    - nms_param
    - neg_pos_ratio：
    - neg_overlap：如果prior box与gnd box的覆盖率超过此值，则不作为negative。
    - sample_size
    在进行hard neg mining时，按如下步骤进行计算：
    - 计算每个prior box的confidence loss。
    - 如果mining_type为HARD_EXAMPLE，计算location loss，并将location loss和conf
      loss加起来作为损失。注意prior box和gnd box为(xmin, ymin, xmax, ymax)格式，
      但location pred为(ncx, ncy, nw, nh)格式，其中ncx，ncy为中心点偏移，用prior
      box宽高和variance[0]和 variance[1]归一化。nw和nh为宽度和高度偏移，用prior 
      box宽高和variance[2]和variance[3]归一化。需要依次调用EncodeLocPrediction和
      ComputeLocLoss计算位置损失。
    - 如果has_nms_param为true，则对negative window进行nms后再选取。
      如果use_prior_for_nms，则使用prior box进行nms，否则使用pred box进行nms。在
      进行nms之前需要先调用DecodeBBoxes将pred bbox转化为(xmin, ymin, xmax, ymax)
      格式，然后再调用ApplyNMS。
    - 如果mining_type为MAX_NEGATIVE，则根据neg_pos_ratio以及positive数目确定选取
      的negative数目，否则根据sample_size确定要选取的negative数目。


上面这几步完了之后，就是调用具体的loss layer计算损失值了。在backward时，也只需要
将loss layer传回来的diff拷贝到对应窗口的feature map的diff中即可。