目标检测学习

先进行区推荐再进行目标分类，4个模型从上到下，依次在前者的基础上有所改进

为了获取更多的特征，增加了一个卷积层。SSD对输入图片的大小有要求，必须是300*300*3，一共输出6张特征图放到detection里面，然后整合

VGG16框架

ReLU卷积层和池化层负责特征提取，后面的全连接层和softmax层负责分类，最终得出每一个分类类别的概率

多尺度特征映射

SSD模型

detector & classifier

以第4个特征图为例

 12个定位的卷积层，63个分类的卷积层

default box默认框 & prior box先验框

8732个prior box

 默认提取数据框的数目4、6、6、6、4、4

训练过程

matching strategy 匹配策略

 保证真实框能至少与一个候选框匹配；如果有多个匹配，选最好的那个。先遵守第一原则，然后遵守另一个。IoU相当于两张图之间的相关度。

hard example mining难例挖掘

Keras SSD结构

kaggle全球小麦检测

 图片标注工具

cmd> pip install LabelImg

cmd> LabelImg 直接打开

 How to Train an Object Detection Model with Keras

实例