目标检测数据层参数解析（caffe）

数据层名： AnnotatedData

1、transform_param

作用：数据变换

transform_param {
    # 镜像，左右翻转
    mirror: true      
    # 三个通道均值
    mean_value: 104.0 
    mean_value: 117.0 
    mean_value: 123.0
    #将输入图像resize到特定尺寸，如果设置多个，可以变成多尺度训练
	resize_param {    
      prob: 1.0
      resize_mode: WARP
      height: 320
      width: 320
      interp_mode: LINEAR
      interp_mode: AREA
      interp_mode: LANCZOS4
    }
    # batch sampler 的额外限制条件（坐标表示形式）
    emit_constraint {
      emit_type: CENTER
    }
    #数据像素变换，数据增强
    distort_param {
      #随机改变图像亮度（Random Brightness） 
      brightness_prob: 0.5  
      brightness_delta: 32.0
      #随机改变对比度、色度、饱和度（Random Contrast, Hue, Saturation）
      contrast_prob: 0.5
      contrast_lower: 0.5
      contrast_upper: 1.5
      hue_prob: 0.5
      hue_delta: 18.0
      saturation_prob: 0.5
      saturation_lower: 0.5
      saturation_upper: 1.5
      #随机改变颜色通道
      random_order_prob: 0.0
    }
    #对原图周围用均值扩充，变成一个大图片，后面缩放到特定尺寸之后，原图目标就会缩小，目的是使网络适应小尺寸的目标，增强小目标的检测效果
    expand_param {
      prob: 0.5    #expand发生的概率            
      max_expand_ratio: 2.0   #最大的扩充倍数
    }
  }

2、data_param

作用：指定训练数据的路径，批大小，和数据格式

data_param {
    source: "E:/dataset/train_lmdb/"  #训练数据路径
    batch_size: 16  #训练批大小
    backend: LMDB   #训练数据格式（LMDB，LEVELDB）
  }

3、annotated_data_param

作用：随机采样

annotated_data_param {
    batch_sampler {
      sampler {
        ##随机选择的高范围（占原图高的比例）
        min_scale: 0.3  
        max_scale: 1.0
        #随机选择的宽高比
        min_aspect_ratio: 0.5
        max_aspect_ratio: 2.0
      }
      #采样的patch必须满足的约束条件
      sample_constraint {
        #min_jaccard_overlap: 0.3 #裁剪出的patch和目标框的IOU（用的最多）
        #min_sample_coverage：0.1 #表示裁剪出的patch中，目标占了多少百分比
        min_object_coverage: 1.0  #裁剪出的patch中的目标，占完整目标的百分比（YuDetectNet中使用）
      }
      max_sample: 1   #一个采样器要选择的符合条件的patch数量
      max_trials: 50  #一个采样器的最大尝试次数，如果超过这个次数就不再查找
    }
    ...
    ...
    label_map_file: "./labelmap_voc.prototxt"  #类别标签文件
  }