qq_31510081的博客

import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd import Variablefrom layers import *from data import voc, cocoimport torchvisionimport os# ssd.pycfg = [256, 'S', 512, 128, 'S', 256, 128, 256, 128, 256]flag = Fal

detection代码位于code\SSD_pytorch-master\layers\functions\detection.py在代码中定义了Detect类用于对结果进行解码。在代码中有注释At test time, Detect is the final layer of SSD也就是，detect只用于在预测中，是SSD的最后一层。它的作用有以下几点：1）Decode locati...

现在难点在于：问题一1.SSD最后的预测结果是怎么画到图上的，回归的时候是让prior box和gt做损失得到priorbox就是检测结果吗？如果不是从已有的anchor中得到检测结果的话，是重新得到了一个box吗？（1）这个问题来源于深度学习笔记（七）SSD 论文阅读笔记简化作者回复：回归目标不是 GT, 而是GT - prior box，这么理解吧：（预测的 box + prio...

SSD由基础网络VGG的两层变形网络和额外增加的四层网络来进行特征图提取，利用自身不同大小的特征图构建了一个特征金字塔。但是每个特征层间没有融合，也没有进行特征的重用和回传，这就是和FPN不一样的地方。所以SSD的改进如DSSD，RSSD,RefineDet和RFBNet这类都是对特征图进行不同方式的融合来进行提高（RFBNet是感受野融合）SSD通过六层卷积提取出特征层后对每个特征层进行预测，...