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 × n m \times n m×n 那麽会有 m × n m \times n m×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 k k 个 box , 每个 box 对应类 c c c 个类别以及 4 个坐标偏移量。因此输出的先验框就有 m × n × k × ( c + 4 ) m \times n \times k \times (c+4) m×n×k×(c+4) 个
因此这里有着三个超参数(scale
, aspect ratio
以及 k k k)。
1. Scale设置
scale
有着一个线性增长的规则:
s k = s m i n + s m a x − s m i n m − 1 × ( k − 1 ) s_{k} = s_{min} + \frac{
{s_{max}-s_{min}}}{m-1}\times(k-1) sk=smin+m−1smax−smin×(k−1)
其中, k ∈ [ 1 , m ] k \in [1,m] k∈[1,m] 。 s k s_{k}