1、【Pytorch 搭建自己的SSD目標(biāo)檢測(cè)平臺(tái)（Bubbliiiing 深度學(xué)習(xí) 教程）】 https://www.bilibili.com/video/BV1A7411976Z/?share_source=copy_web&;vd_source=1e6f2281c23ca69b18df2d7768310983

筆記

2.2 SSD源碼解析(Pytorch)

2、SSD網(wǎng)絡(luò)的搭建

（1）推薦看up主之前的6.1ResNet網(wǎng)絡(luò)結(jié)構(gòu)和6.2使用Pytorch搭建ResNet并基于遷移學(xué)習(xí)訓(xùn)練

（2）python語(yǔ)法中對(duì)于索引是左閉右開(kāi)的

（3）非關(guān)鍵字參數(shù)

3、Default box生成

計(jì)算時(shí)用的相對(duì)坐標(biāo)。

4、Loss計(jì)算

（1）負(fù)樣本的獲取

對(duì)除正樣本之外的default box計(jì)算highest confidence loss ，下面就是獲取分類損失最大的兩個(gè)default box的算法過(guò)程。

[0.3,0.1,……]是對(duì)應(yīng)的分類損失，對(duì)其進(jìn)行降序排列，獲得索引[3,0,4,……]，在對(duì)該索引進(jìn)行升序排列，得到索引的索引[1,3,4,……]，因?yàn)槭侨∽畲蟮?個(gè)，所以進(jìn)行判斷，得到[True,False,……],對(duì)比第一個(gè)列表和第四個(gè)列表，可以看到True對(duì)應(yīng)的位置正好是損失最大的兩個(gè)。即可獲得獲取分類損失最大的兩個(gè)default box作為負(fù)樣本。

5、后處理算法

（1）Batch NMS篩除低質(zhì)量的框

原本篩框是對(duì)每一類的框分別進(jìn)行NMS算法篩除，但是這樣算法效率會(huì)比較低，根據(jù)pytorch官方給的可以進(jìn)行如下操作：

如下第一行數(shù)值為四個(gè)框的左上角和右下角坐標(biāo)，第二行為四個(gè)框的類別label。

第一步：找到所有坐標(biāo)的最大值（0.6）

第二步：獲得一個(gè)新的列表，列表數(shù)值為（max=0.6）

即[0,0,1.6,1.6]

第三步：讓對(duì)應(yīng)框的坐標(biāo)加上上述列表數(shù)值，如[0.1,0.1,0.3,0.3]變?yōu)閇0.1,0.1,0.3,0.3]；[0.4,0.1,0.5,0.2]變?yōu)閇2,1.7,2.1,1.8]，即可將不同類的框分開(kāi)

第四步：進(jìn)行NMS處理

6、正負(fù)樣本匹配

SSD正樣本選?。海?）對(duì)每一個(gè)GT box找IOU最大的default box作為正樣本；（2）對(duì)每一個(gè)default box，如果其與任意一個(gè)GT box的IOU的值大于0.5則認(rèn)為為正樣本。

如下表格是每一個(gè)default box與每一個(gè)GT box的IOU值。

算法步驟：

第一步：對(duì)于每一個(gè)DBox找IOU最大的GT（best_dbox_ious），并記錄對(duì)應(yīng)GT的索引（best_dbox_idx）

第二步：對(duì)于每一個(gè)GT找IOU最大的DBox（best_bbox_ious），并記錄對(duì)應(yīng)DBox的索引（best_bbox_idx）

第三步：將對(duì)應(yīng)best_bbox_idx中索引位置的best_dbox_ious處的值變?yōu)?（只要比0.5大即可）

第四步：idx生成一個(gè)列表[0,1,2]，根據(jù)best_dbox_idx[best_bbox_idx[idx]]=idx，得到best_dbox_idx:[0,2,1,2,2]

這里是在根據(jù)best_bbox_idx修正DBox匹配的GT，比如在第一步DBox0匹配的是GT1，但在第二步GT0匹配到了DBox0，所以根據(jù)（1）對(duì)每一個(gè)GT box找IOU最大的default box作為正樣本；應(yīng)該將DBox0匹配給GT0，據(jù)此可進(jìn)行修改。

感覺(jué)很神奇的樣子，我還沒(méi)搞懂內(nèi)部邏輯，有沒(méi)有人能解答一下？

Pytorch 搭建自己的SSD目標(biāo)檢測(cè)平臺(tái)（Bubbliiiing 深度學(xué)習(xí) 教程）

P9：Dataset2（訓(xùn)練必看）數(shù)據(jù)集制作

自己制作標(biāo)簽，用到labelimg

學(xué)到了，不要亂改和要細(xì)心……用SSD訓(xùn)練自己的數(shù)據(jù)集的時(shí)候因?yàn)镴PEGImages和JPEGlmages，硬是找了三個(gè)小時(shí)才發(fā)現(xiàn)這個(gè)錯(cuò)誤……