主幹網路：vgg + extras
分支網路：conf與loc網路
ssd中6層關鍵feature_map層，其feature_map的shape如下:
分別經過了loc和conf層後, shape成為了
分別拉平concate起來, 其shape分別為
loc_data : n x 34928 --------> n x 8732 x 4 -------- >4個座標
conf_data : n x 183372-------> n x 8732 x 21-------->21個分類
(ssd一定要記住8732這個數字, 別問我為什麼, 這是先驗框個數)
後續操作
根據conf_data中的置信度進行閾值篩選, decode_boxes(即根據先驗框與loc_data,找到真實框座標)
再用nms去重
徹底搞懂SSD網路結構
還是得從下圖說起，之前一直沒實際搞清楚。ssd的網路結構流程如下圖所示 ssd總共11個block，相比較於之前的vgg16，改變了第5個block的第4層，第6 7 8卷積層全部去掉，分別增加了紅框 黑框 黃框 藍框。tensorflow 如下 with tf.variable scope sco...
SSD網路模型之PriorBox運算元
ssd網路一大特點是，為了提高檢測準確率，在不同尺度的特徵圖上進行 這種 就需要prior box layer。prior box 是幹嘛的呢？其實非常類似於faster r cnn中的anchors，就是候選框，這種候選框的選取不需要像r cnn那樣通過複雜處理產生。在ssd中，priorbox層...
如何理解目標檢測中的SSD
好記性不如爛筆頭。下面的第乙個4表示的是4個default box 與faster r cnn 和yolo不同，這裡是中心座標加上寬高 其中 classifer是通過3 3 4 classes 4 的卷積實現的，得到結果即是檢測的結果，然後將不同feature map的檢測結果放在一起。先過濾掉co...