SSD改

SSD源码

Wei Liu所做源码，TensorFlow版SSD可能有莫名其妙的错误，故转去caffe

caffe

C++版caffe，在 include/caffe/ 目录下面的

annotated_data_layer.hpp  （提供数据）

detection_evaluate_layer.hpp  （验证模型效果）

detection_output_layer.hpp  （输出检测结果）

multibox_loss_layer.hpp  （计算loss）

prior_box_layer.hpp  （计算prior bbox）

以及对应的 src/caffe/layers/ 目录下面的cpp和cu文件，另外还有 src/caffe/utlis/ 目录下面的 bbox_util.cpp 。其中跟训练有关的是 annotated_data_layer 、 multibox_loss_layer 、 prior_box_layer 。

annotated_data_layer

这部分代码把图片读出来（包含一些data augmentation），同时把每张图里的groundtruth bbox读出来传给下一层，没做什么特殊处理。

prior_box_layer

这一层完成的是给定一系列feature map后如何在上面生成prior box，对于输入大小是 W×H 的feature map，生成的prior box中心就是 W×H 个，均匀分布在整张图上。在每个中心上，可以生成多个不同长宽比的prior box，如[1/3, 1/2, 1, 2, 3]。所以在一个feature map上可以生成的prior box总数是 W×H×length_of_aspect_ratio，对于比较大的feature map，如VGG的conv4_3，生成的prior box可以达到数千个。当然对于边界上的box，还要做一些处理保证其不超出图片范围，这都是细节了。这里需要注意的是，虽然 prior box 的位置是在 W×H 的格子上，但 prior box 的大小并不是跟格子一样大，而是人工指定的，原论文中随着feature map从底层到高层，prior box 的大小在0.2到0.9之间均匀变化。

multibox_loss_layer

FindMatches

将prior box匹配到ground truth上，这是在 src/caffe/utlis/bbox_util.cpp 的 FindMatches 函数里完成的。值得注意的是这里不光是给每个groudtruth box找到了最匹配的prior box，而是给每个prior box 都找到了匹配的groundtruth box（如果有的话），这样显然大大增大了正样本的数量。

MineHardExamples

给每个prior box找到匹配（包括物体和背景）之后，似乎可以定义一个损失函数，给每个prior box标记一个label，扔进去一通训练。但需要注意的是，任意一张图里负样本一定是比正样本多得多的，这种严重不平衡的数据会严重影响模型的性能，所以对prior box要有所选择。这一步是在 src/caffe/utlis/bbox_util.cpp 的 MineHardExamples 函数里完成的。

EncodeLocPrediction &am