饭后时间（三）---单步多框目标检测，之先验框

https://www.bilibili.com/video/av45415985

1 设置多个先验框

1 YOLO的先验框是正方形，实际物体是比较多变的。

2 多目标中心位置位于同一个栅格内（一个栅格要侦测多个物体）

 

PS:
yolo都是方格，比较傻，一个栅格只能识别一个物体
里面可能多个物体，最后只会给到一个物体
这种情况ssd可以，yolo不可以

3 SSD包含了背景类  PS: N类加上背景一共N+1类

4 给出预测 y = [p, bx, by, bw, bh, c1, c2, ..., cn]
one-hot法：属于哪一类置一，比如属于第二类
c1, c2, ..., c10 = 0 1 0 0 0 0 0 0 0 0  

5 特征图m*n大小，则是给出m*n*(N+5)*k  个预测值
ps:
检测需要（N+5）*k 个卷积核： 每个先验框对每个类都要有卷积核
N类物体
k个预测框

2 例子

狗适合2，给出预测值Y=[0, x,x,x,x,x,x,1,bx,by,bw,bh,0,1]  ???????

 

3 先验框的大小

前面特征图的先验框比较大，后面特征图的先验框适当调小

38*38， 最后3x3,1x1,  三个特征图的每个栅格
只对应4个先验框，
分别为宽高比1：1两种，
1：2，2：1两种

 

其他特征图的栅格对应6个先验框，
分别为宽高比1：1两种，
1：2，2：1两种，
1：3， 3：1两种

 

因此总共有38x38x4+19x19x6+10x10x6+5x5x6+3x3x4+1x1x4 = 8732

先验框随着特征图的大小而降低
训练的目的就是 回归各个先验框 对应的  类别和位置  ps: 得到 cx, p,x,y,w,h

4 anchor 细节

位置：假设当前feature map cell位于i 行 j 列，
anchor的中心为（i+0.5, j+0.5）
PS:注意这个值需要缩放到0-1之间作为相对位置

缩放因子：

s_min为0.2
s_max为0.9
m为添加的feature map的层数，5, k属于[1,5],  一般k=1是自己设定的,  一般是从2开始
缩放因子就是为不同的feature map选择不同大小的anchor
要求：小的feature map对应的anchor尽量大，因为越小的feature map，他的cell感受野越大

ar 取值 {1， 2， 3， 1/2, 1/3}
可以理解为在缩放因子选择好anchor尺寸之后，用ar控制anchor形状
当ar=1时候，增加一种s_k = sqrt(  s_{k-1}  *  s_{k+1}  )
通常每个feature map对应6种anchor