pytorch 绘制多个算法loss_ssd算法的pytorch实现与解读

首先先放下github地址：https://github.com/acm5656/ssd_pytorch

然后放上参考的代码的github地址：https://github.com/amdegroot/ssd.pytorch

为什么要使用pytorch复现呢，因为好多大佬的代码对于萌新真的不友好，看半天看不懂，所以笔者本着学习和练手的目的，尝试复现下，并分享出来帮助其他萌新学习，大佬有兴趣看了后可以提些建议~

然后对ssd原理感兴趣的同学可以参考我的这篇博客https://www.cnblogs.com/cmai/p/10076050.html，主要对SSD模型进行了讲解。在这就主要讲解代码实现上的内容了，就不再讲原理了。

首先看下项目目录：

VOCdevkit：存放训练数据

weights     ：存放权重文件

Config.py  ：默认的一些配置

Test.py      ：测试单张照片的识别

Train.py    ：训练的py文件

augmentation.py：data augmentation的py文件，主要功能是扩大训练数据

detection.py：对识别的结果的数据进行部分筛选，传送给Test.py文件，供其调用使用

l2norm.py：进行l2正则化

loss_function.py：计算损失函数

ssd_net_vgg.py：ssd模型的实现

utils.py：工具类

voc0712.py：重写dataset类，提取voc的数据并规则化

模型搭建

模型搭建在ssd_net_vgg.py中，这个类只需要将一点，即vgg的网络需要注意，必须采用笔者的方式搭建，否则pre-train的model加载出错，具体的原因不在这里阐述。

模型的实现过程，将loc和conf的提取分开进行了，这个不影响正常的使用，只是在计算损失函数时，能够方便编程而已。

default box计算

代码在utils.py文件下，代码如下：

defdefault_prior_box():

mean_layer=[]for k,f inenumerate(Config.feature_map):

mean=[]for i,j in product(range(f),repeat=2):

f_k= Config.image_size/Config.steps[k]

cx= (j+0.5)/f_k

cy= (i+0.5)/f_k

s_k= C