目标检测之SSD数据处理、训练与预测流程记录

写在前面：本文不详细介绍SSD，只记录一些大体流程，具体细节可见参考1，换用数据集训练SSD可见参考2
参考1：SSD代码细节讲解
参考2：SSD换数据集训练

给定图片如何得到对应的GT

• SSD网络若指定了先验框的minsize和maxsize，则整个图片的所有先验框位置均固定。拿300SSD来说，可以得到8372个位置确定的先验框（存于model_data/prior_boxes_ssd300.pkl）
• 图片所标注的物体位置（真实框）和所属类别（存于2007_train.txt）
• 计算真实框对应的先验框，与这个先验框应当有的预测结果。
  【输入：8372先验框和图片标注的信息，输出：assignment(8372, 4+21+8)(4为先验框的位置坐标，21为分类得分，8中4个为偏移量，4个定值[0,0,0,0]为了和SSD的输出形式一致)】
  计算图片标注的真实框与所有的先验框的IOU，筛选出比阈值θ1大的先验框，将每个先验框对应的IOU值作为这些具有较大IOU先验框在预测时应该有的得分（即gt），并从中选取出最大的作为真实框的先验框，计算出此先验框与真实框的偏移量，将所有先验框保存至assignment，即为输入进来的这张图片，应该有的预测结果是什么样子的（Groundtruth）

---

给定图片如何训练网络

• 给定一张图片，输入至SSD网络，输出3个量，所有先验框的位置信息（8372x4），所有先验框对应的偏移量（8372x8，前4个为偏移量，后四个为定值[0.1,0.1,0.2,0.2]），所有先验框对应预测框的分类得分（8372x21）
• 将输出的结果与上一步的assignment存储的gt进行LOSS回归
  loss的计算分为三个部分：
  1、获取所有正标签的框的预测结果的回归loss。
  2、获取所有正标签的种类的预测结果的交叉熵loss。
  3、获取一定负标签的种类的预测结果的交叉熵loss。

---

给定图片通过网络预测

• 同理给定一张图片，输入至SSD网络，输出输出3个量，所有先验框的位置信息（8372x4），所有先验框对应的偏移量（8372x8，前4个为偏移量，后四个为定值[0.1,0.1,0.2,0.2]），所有先验框对应预测框的分类得分（8372x21）。
• 针对每一类别，选出得分大于阈值θ2(0.5)的先验框，再进行NMS去重，保留下较好的先验框，将label、置信度、框的位置进行堆叠存于results，选出topk（200）个先验框作为输出，最后在经过此阈值θ3（0.8）筛选，得到结果

---

图片标注

推荐使用LabelImg制作