（Tensorflow Object Detection Api）ssd-mobilenet v1 算法结构及代码介绍

（Tensorflow Object detection Api）安装
（Tensorflow Object Detection Api）标注数据获取及格式转换
（Tensorflow Object Detection Api）模型训练

通过前面三次分享，基本把Object Detection Api的入门使用方式就都陈列了出来。接下来计划分享一下算法的具体结构和代码的部分，以及相关的参数调试方法。毕竟，真正拿来用的话，根据场景的不同，需要不同的性能和侧重点。如下，仅对ssd-mobilenet-v1进行分享。
ssd原文 MobileNet V1论文

两个月前刚开始搞物体检测的项目的时候，我的想法是比较naive的，由于我要检测的物体只有一类，我尝试自己按照VGG-16的想法设计了简单版的网络的结构，然后直接预测左上角和右下角坐标。之所以这么想，是因为觉得深度学习那么强大，这么简单的功能应该很好实现想要的效果。可是，事与愿违，直接预测坐标的想法在真正实践的时候，准确率我都不好意思说出来。

在之后研读各种物体检测算法的过程中，发现其实神经网络并没有强大到傻瓜式操作的境界，它还是需要精心的喂养，并且需要尽量多的提供给它各种维度的信息，更加要考虑如何为它减负，而不是刁难它。

提供的信息越多，神经网络的表现自然更好，比如在Reid中，有些人就尝试在将原有数据集中的人的其他属性，诸如衣服颜色，性别，年龄等加入到训练中，这样训练出来的网络在Reid上的效果有很大提升，参见Improving Person Re-identification by Attribute and Identity