基于TensorFlow的SSD车辆检测-3

百度云链接总是挂掉，大家实在有需要发我邮箱吧shuzfan@163.com

此系列博客是用来学习Tensorflow和Python的，由于是新手上车，如有错误之处希望大家不吝指出。

整个项目可以从百度云下载：
链接：https://pan.baidu.com/s/1f2JPJpE7m5M2kSifMP0-Lw 密码：9p8v

谷歌云盘：

https://drive.google.com/open?id=1_IpPGwND0D0HPCJ9zNAKAInv5J5GaB2g

三. label制备以及batch数据供给

本环节主要包含下面三块内容：

• 一些关于anchor生成的常量**
• 介绍如何通过原始的标注框来生成计算Loss所需的label以及mask;
• 如果在训练阶段批量的提供训练数据，并包含shuffle等操作；

1.一些关于anchor生成的常量

在constants.py文件中定义了一些关于anchor的常量：

# coding=utf-8

# to pre-define some constant variables

# SSD网络中6个预测分支中feature map的大小
feature_size = [38, 19, 10, 5, 3, 1]

# 300 / feature_size：feature map中像素在原图中对应的感受野比例
anchor_steps = [8, 16, 30, 60, 100, 300]

# 6个预测分支分别对应的anchor类别数。注意：SSD原文中是[4 6 6 6 4 4 ]，但是由于KITTI中图片缩放后导致存在更多的小目标，因此为了提高小目标的检测率，将第一个分支的anchor的种类由4提高到6.
anchors_num = [6, 6, 6, 6, 4, 4]

# 则anchor的总数量也由原文中的8732提高到11620
all_anchors_num = 11620

# 6个分支所使用的anchor的长宽比，注意长宽比1:1的anchor有两种，但大小不一
anchors_ratio = [[1, 1, 2, 0.5, 3, 1./3],
                 [1, 1, 2, 0.5, 3, 1./3