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
  • 3
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 10
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值