ssd中的match规则

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

代码如下（）：
理解须知：
《1》torch.max(a,dim=0,keepdim=True) dim=1,表示 the dimension to reduce（这个维度上减少消去）
《2》index_fill_(dim,index,val)按照指定的维度轴dim 根据index去对应位置，将原tensor用参数val值填充，这里强调一下，index必须是1D tensor，index去指定轴上索引数据时候会广播
特别感谢下这位同志的笔记：豆豆小朋友的笔记：添加链接描述
《3》下图表示的为真实框（ground_truth）和先验框（priors）相互匹配得到的交并比值（overlap）和地址（idx），其中数据可能会影响结果的确切性
问题版：
正确版：

def match(threshold, truths, priors, variances, labels, loc_t, conf_t, idx):
    #----------------------------------------------#
    #   计算所有的先验框和真实框的重合程度
    #----------------------------------------------#
    overlaps = jaccard(
        truths,
        point_form(priors)
    )
    #----------------------------------------------#
    #   所有真实框和先验框的最好重合程度        # 拿先验框来去匹配真实框，与每个真实框的最好匹配结果
    #   best_prior_overlap [truth_box,1]
    #   best_prior_idx [truth_box,0]
    #----------------------------------------------#
    # https: // blog.popkx.com/detail-analysis-of-retinaface-multibox-loss-priorbox-and-object-bbox-matches-analysis/
    # torch.max(a,dim=0,keepdim=True)     dim=1,表示 the dimension to reduce（这个维度上减少消去）
    best_prior_overlap, best_prior_idx = overlaps.max(1, keepdim=True)
    best_prior_idx.squeeze_(1)      # 变为tensor
    best_prior_overlap.squeeze_(1)
    #----------------------------------------------#
    #   所有先验框和真实框的最好重合程度        # 拿真实框来去匹配先验框，与每个先验框的最好匹配结果
    #   best_truth_overlap [1,prior]
    #   best_truth_idx [1,prior]
    #----------------------------------------------#
    # torch.max(a,dim=0,keepdim=True)     dim=0,表示 the dimension to reduce（这个维度上减少消去）
    best_truth_overlap, best_truth_idx = overlaps.max(0, keepdim=True)
    best_truth_idx.squeeze_(0)
    best_truth_overlap.squeeze_(0)

    #----------------------------------------------#
    #   用于保证每个真实框都至少有对应的一个先验框
    #----------------------------------------------#
    for j in range(best_prior_idx.size(0)):
        best_truth_idx[best_prior_idx[j]] = j
    best_truth_overlap.index_fill_(0, best_prior_idx, 2)
    
    #----------------------------------------------#
    #   获取每一个先验框对应的真实框[num_priors,4]
    #----------------------------------------------#
    matches = truths[best_truth_idx]
    # Shape: [num_priors]
    conf = labels[best_truth_idx] + 1

    #----------------------------------------------#
    #   如果重合程度小于threhold则认为是背景
    #----------------------------------------------#
    conf[best_truth_overlap < threshold] = 0
    
    #----------------------------------------------#
    #   利用真实框和先验框进行编码
    #   编码后的结果就是网络应该有的预测结果
    #----------------------------------------------#
    loc = encode(matches, priors, variances)

    # [num_priors,4]
    loc_t[idx] = loc    
    # [num_priors]
    conf_t[idx] = conf