SSD算法学习及PyTorch代码分析[2]---Prior Box分析

上一篇讲了SSD算法的整体框架，这一篇分析SSD的 Prior Box 层，先验框是如何产生

SSD和YOLO不同，每一个 feature map 上的点都为一个 cell， 而YOLO是划分为 gird 。
假如 feature map 大小为 $m\times n$ 那麽会有 $m\times n$ 个 cell 。每个 cell 会生成固定 scale 和 aspect ratio 的 box 。
假如每个 cell 生成 $k$ 个 box ， 每个 box 对应类 $c$ 个类别以及 4 个坐标偏移量。因此输出的先验框就有 $m\times n\times k\times (c+4)$ 个

因此这里有着三个超参数(scale, aspect ratio以及 $k$)。

1. Scale设置
scale 有着一个线性增长的规则：
$$s_k=s_{min}+\frac{s_{max}-s_{min}}{m-1}\times (k-1)$$
其中, $k\in [1,m]$ 。 s k s_{k}