SSD：Single Shot MultiBox Detector（三）
这都是个人学习SSD所做记录，仅作为个人备忘录
SSD：Single Shot MultiBox Detector（一）： http://blog.csdn.net/u011956147/article/details/73028773
SSD：Single Shot MultiBox Detector（二）： http://blog.csdn.net/u011956147/article/details/73030116
SSD：Single Shot MultiBox Detector（三）： http://blog.csdn.net/u011956147/article/details/73032867
SSD：Single Shot MultiBox Detector（四）： http://blog.csdn.net/u011956147/article/details/73033170
SSD：Single Shot MultiBox Detector（五）： http://blog.csdn.net/u011956147/article/details/73033282
这篇博客主要写prior_box_layer
这一层完成的是给定一系列feature map后如何在上面生成prior box。SSD的做法很有意思，对于输入大小是W×H的feature map，生成的prior box中心就是W×H个，均匀分布在整张图上，像下图中演示的一样。在每个中心上，可以生成多个不同长宽比的prior box，如[1/3, 1/2, 1, 2, 3]。所以在一个feature map上可以生成的prior box总数是W×H×length_of_aspect_ratio，对于比较大的feature map，如VGG的conv4_3，生成的prior box可以达到数千个。当然对于边界上的box，还要做一些处理保证其不超出图片范围，这都是细节了。
这里需要注意的是，虽然prior box的位置是在W×H的格子上，但prior box的大小并不是跟格子一样大，而是人工指定的，原论文中随着feature map从底层到高层，prior box的大小在0.2到0.9之间均匀变化。
一开始看SSD的时候很困扰我的一点就是形状的匹配问题：SSD用卷积层做bbox的拟合，输出的不应该是feature map吗，怎么能正好输出4个坐标呢？这里的做法有点暴力，比如需要输出W×H×length_of_aspect_ratio×4个坐标，就直接用length_of_aspect_ratio×4个channel的卷积层做拟合，这样就得到length_of_aspect_ratio×4个大小为W×H的feature map，然后把feature map拉成一个长度为W×H×length_of_aspect_ratio×4的向量，用SmoothL1之类的loss去拟合，效果还意外地不错……
（上述参考链接：参考链接）
其实这里的做法和Faster RCNN的做法类似，有兴趣的参考我之前的博文 Faster RCNN代码理解（Python）
图示如下：
代码如下：
#include ::LayerSetUp(const vector::Reshape(const vector::Forward_cpu(const vector(std::max(top_data[d], 0.), 1.);
}
}
// set the variance.
// 解答： https://github.com/weiliu89/caffe/issues/75
// 除以variance是对预测box和真实box的误差进行放大，从而增加loss，增大梯度，加快收敛。
// 另外，top_data += top[0]->offset(0, 1);已经使指针指向新的地址，所以variance不会覆盖前面的结果。
// offse一般都是4个参数的offset(n,c,w,h),设置相应的参数就可以指到下一张图（以四位张量为例）
top_data += top[0]->offset(0, 1); // 这里我猜是指向了下一个chanel
if (variance_.size() == 1) {
caffe_set(dim, Dtype(variance_[0]), top_data);// 用常数variance_[0]对top_data进行初始化
} else {
int count = 0;
for (int h = 0; h < layer_height; ++h) {
for (int w = 0; w < layer_width; ++w) {
for (int i = 0; i < num_priors_; ++i) {
for (int j = 0; j < 4; ++j) {
top_data[count] = variance_[j];
++count;
}
}
}
}
}
}
INSTANTIATE_CLASS(PriorBoxLayer);
REGISTER_LAYER_CLASS(PriorBox);
} // namespace caffe
本文链接：http://blog.csdn.net/u011956147/article/details/73032867