本文总结了阅读TensorFlow Object Detection API中SSD源码的心得，详细介绍了SSD算法流程，包括预处理、预测、损失计算和断点恢复。通过预处理对图片进行尺寸缩放和归一化，预测阶段涉及特征提取、anchor生成及bounding box预测，损失计算部分讲解了匹配策略和损失函数，最后简述了模型恢复。
计算机视觉交流群：677855967，欢迎大家加入交流。
项目需要，阅读tensorflow object detection api中ssd的源码有一段时间，写本文做个总结，和大家分享和讨论，不正之处，多拍板转。
ssd的算法流程：api将ssd检测模型封装成了一个object：class SSDMetaArch(model.DetectionModel)，代码在ssd_meta_arch.py中，该类继承于model.DetectionModel，这个object主要包含一下成员方法，也相当于是ssd检测算法流程的体现，也是一个通用检测算法的流程：
1：preprocess(self, inputs):
这个方法主要是对图片做一个预处理的操作；比如图片size的缩放，归一化到-1~1这类操作；ssd这个函数采用map_fn高阶api来对输入的batch进行操作，并且可以处理静态或者动态的batch，我们知道在由于tensorflow是符号编程（有兴趣了解的可以看看这篇文章）&#x
最低0.47元/天 解锁文章
1546
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
