关于SSD实现流程的理解-- sample及prior_box

使用的代码的github链接：https://github.com/chuanqi305/MobileNet-SSD.git

在用mobilenet-ssd训练模型的过程中，对SSD的实现流程产生了困惑，通过参考代码及网上各种博客，梳理如下：

1）SSD的data augmentation和sampler    

2）网络结构模型

3）prior_box的选取及infer的过程

 

备注：对于train.prototxt中设置的各种参数含义不理解可以参看caffe.proto文件，里面都有解释。

SSD代码在caffe.proto中新增了部分参数：

 

1、SSD的数据增广操作

数据经过Annotated data layer层后，图像和图像中的目标框被提取出来并保存。

之后，数据要经过一系列的变换，依次为：

(1) Image distortion;

(2) Image expansion;

(3) Sampling a random crop window;

(4) Data transform: Adding noise, resizing,

（1）主要是图像的各种参数调整，这里的参数最好使用推荐值

操作对象是原始图片的副本，并非原始图片

（2）Image expansion

这一步的作用主要在于放大原始图像，prob指概率，max_expand_ratio可以理解为放大成原图像的几倍。这里是以一种嵌入的方式实现放大，在原始图像周围填充像素值实现放大。