【PyTorch】SSD整体流程与训练过程

流程图：

图参考自：https://blog.youkuaiyun.com/h__ang/article/details/90316220

          

训练流程总结如下： （这是通过object detection api训练过程总结而来）

（1）首先从tfrecords格式的数据中读取训练图片信息.

（2）对图像进行随机水平翻转、大小调整等操作

（3）利用搭建的卷积神经网络得到不同尺度的特征图（6个stage（特征图））

（4）利用默认框生成规则，为每个特征图生成默认框

（5）计算默认框与groundtruth boxs（标注框）的相似度矩阵

（6）生成默认框与 groundtruth boxes的匹配结果（match_results[i]>=0 默认框i有与之匹配的groundtruth box，该默认框为正样本；match_results[i]=-1 默认框i与所有的groundtruth box 都不匹配，该默认框为负样本；match_results[i]=-2 该默认框被忽略）

（7）根据匹配结果为每个默认框分配目标类别；同时为匹配到groundtruth box的默认框计算真实的位置调整量(tx_,ty_,tw_,th_)

（8）利用特征图进行预测，预测每个边框的目标类别与位置调整量（tx,ty,tw,th）

 (9) 通过随机采样或困难采样方法，取样用于损失函数计算的默认框

（10）计算损失函数：分类损失和位置损失

（11）计算损失函数的梯度、根据梯度值对参数进行更新

（12）迭代训练，直至达到最大迭代次数