Tensorflow2.0---SSD网络原理及代码解析（三）- 特征提取网络

Tensorflow2.0—SSD网络原理及代码解析（三）- 特征提取网络

model = SSD300(input_shape, NUM_CLASSES, anchors_size)

这行代码进行SSD特征提取网络的构建。一起来看看内部代码是如何实现的~
首先，先进行VGG16网络的搭建。

上述就是VGG16网络，用一个dict按照name进行保存。然后return回SSD特征提取网络代码中。接下来，就是对特定的网络层进行处理了~

# 对conv4_3的通道进行l2标准化处理 
    # 38,38,512
    net['conv4_3_norm'] = Normalize(20, name='conv4_3_norm')(net['conv4_3'])
    num_priors = 4
    # 预测框的处理
    # num_priors表示每个网格点先验框的数量，4是x,y,h,w的调整
    net['conv4_3_norm_mbox_loc'] = Conv2D(num_priors * 4, kernel_size=(3,3), padding='same', name='conv4_3_norm_mbox_loc')(net['conv4_3_norm'])
    net['conv4_3_norm_mbox_loc_flat'] = Flatten(name='conv4_3_norm_mbox_loc_flat')(net['conv4_3_norm_mbox_loc'])
    # num_priors表示每个网格点先验框的数量，num_classes是所分的类
    net['conv4_3_norm_mbox_conf'] = Conv2D(num_priors * num_classes, kernel_size=(3,3), padding='same',name='conv4_3_norm_mbox_conf')(net['conv4_3_norm'])
    net['conv4_3_norm_mbox_conf_flat'] = Flatten(name='conv4_3_norm_mbox_conf_flat')(net['conv4_3_norm_mbox_conf'])

    priorbox = PriorBox(input_shape, anchors_size[0], max_size=anchors_size[1], aspect_ratios=[2],
                        variances=[0.1, 0.1, 0.2, 0.2],
                        name='conv4_3_norm_mbox_priorbox')
    net['conv4_3_norm_mbox_priorbox'] = priorbox(net['conv4_3_norm'])

我就以第一个有效特征层进行解释，这是VGG16中conv4_3层，shape为（None，38,38,512）。由于第一层比较浅，所以对它做一个L2标准化操作，conv4_3_norm的shape不变还是（None，38,38,512）。然后进行预测框的生成，在代码实现中体现为feature map的channel的改变。conv4_3_norm_mbox_loc的shape为（None，38,38,16），最后一维的16是表示每个锚点生成4个box，每个box有xywh信息。conv4_3_norm_mbox_conf的shape为（None，38,38,84），最后一维84是表示每个锚点生成4个box，每个box包含21个类别概率。然后都将二者进行flatten操作。

预测框生成之后，就是要对锚点框进行生成操作~

priorbox = PriorBox(input_shape, anchors_size[0], max_size=anchors_size[1], aspect_ratios=[2],
                        variances=[0.1, 0.1, 0.2, 0.2],
                        name='conv4_3_norm_mbox_priorbox')
net['conv4_3_norm_mbox_priorbox'] = priorbox(net['conv4_3_norm'])

其实这个步骤与我写的Tensorflow2.0—SSD网络原理及代码解析（二）-锚点框的生成代码几乎一样，其实就是进行锚点框的生成。

结果就是（None,5776,8）,表示生成了5776个anchor box，每个box前四个是左上角右下角坐标，后四个是variances[0.1, 0.1, 0.2, 0.2]。同理：





接着，进行anchor box维度上的拼接：

最后，进行reshape并进行concat：

这里。net[‘predictions’]就包含着预测框的loc和conf信息，和锚点框的信息。shape为（None，8732,33），8732表示一共有8732个anchor box。