SSD怎样在特征图上放置anchor

谁借莪１个温暖的怀抱￠ 2023-02-24 14:29 66阅读 0赞

原文链接：[https://blog.csdn.net/qq\_42450404/article/details/92800381][https_blog.csdn.net_qq_42450404_article_details_92800381]

## 一、SSD中anchor\_sizes是如何得到的 ##

default_params = SSDParams(
            img_shape=(300, 300),
            num_classes=21,
            no_annotation_label=21,
            feat_layers=['block4', 'block7', 'block8', 'block9', 'block10', 'block11'],
            feat_shapes=[(38, 38), (19, 19), (10, 10), (5, 5), (3, 3), (1, 1)],
            anchor_size_bounds=[0.15, 0.90],
            # anchor_size_bounds=[0.20, 0.90],
            anchor_sizes=[(21., 45.),
                          (45., 99.),
                          (99., 153.),
                          (153., 207.),
                          (207., 261.),
                          (261., 315.)],
            # anchor_sizes=[(30., 60.),
            # (60., 111.),
            # (111., 162.),
            # (162., 213.),
            # (213., 264.),
            # (264., 315.)],
            anchor_ratios=[[2, .5],
                           [2, .5, 3, 1./3],
                           [2, .5, 3, 1./3],
                           [2, .5, 3, 1./3],
                           [2, .5],
                           [2, .5]],
            anchor_steps=[8, 16, 32, 64, 100, 300],
            anchor_offset=0.5,
            normalizations=[20, -1, -1, -1, -1, -1],
            prior_scaling=[0.1, 0.1, 0.2, 0.2]
            )
    
       
        
       
        
       
        
         1
         2
         3
         4
         5
         6
         7
         8
         9
         10
         11
         12
         13
         14
         15
         16
         17
         18
         19
         20
         21
         22
         23
         24
         25
         26
         27
         28
         29
         30
         31
        
       
        
         1
         2
         3
         4
         5
         6
         7
         8
         9
         10
         11
         12
         13
         14
         15
         16
         17
         18
         19
         20
         21
         22
         23
         24
         25
         26
         27
         28
         29
         30
         31

其中这个`anchor_sizes`是最magic的一组数字,他到底是怎么来的呢?  
首先你要知道这个公式:  
![在这里插入图片描述][20181102124907655.png]  
Sk是每个特征层的先验框大小与原图片大小之比,Smax和Smin分别是最大,最小的比例.  
在SSD中一共有6个用于分类和回归的特征层(feature map),  
分别是`feat_layers=['block4', 'block7', 'block8', 'block9', 'block10', 'block11'],`  
`m`是就是特征层的个数,按理说分母应该是6-1=5,但是这里是5-1=4, 因为作者将第一层S1, 单独拿出来设置了.  
`k`是第几个特征层的意思,注意k的范围是1~m, 也就是1~6.  
知道这些就可以开始计算了.  
Sk在实际计算中考虑到取整的问题,所有与上式有所区别:  
![在这里插入图片描述][20181102132134188.png]  
需要向下取整.  
所以你将m=5, Smin, Smax=(0.2, 0.9) 就是`anchor_size_bounds=[0.20, 0.90],`带入之后,  
得到S1~S6: 20, 37, 54, 71, 88, 105, 其实就是挨个+17.  
此时你还需要将其除以100还原回来,也就是:  
0.2, 0.37, 0.54, 0.71, 0.88, 1.05  
然后,我们这个是比例, 我们需要得到其在原图上的尺寸,所以需要依次乘以300, 得到:  
60, 111, 162, 213, 264, 315.  
最后,你会问: 30呢? 这就要说到S1’了,S1’=0.5\*S1, 就是0.1, 再乘以300, 就是30.  
这样, 我们有七个数, 6个区间段, 也就是6组min\_size和max\_size. 就可以计算每个特征层的anchor\_box 的尺寸了.详细见下片博文.  
可以看出作者为了不让我们搞懂他的代码,也是煞费苦心啊…  
最后, 既然我们高明白了anchor\_size, 这个参数直接决定了当前特征层的box 的大小, 可以看出越靠近输入层, box越小, 越靠近输出层, box越大, 所以 SSD的底层用于检测小目标, 高层用于检测大目标.

## 二、SSD的anchor\_box计算 ##

看过SSD的tensorflow实现的小伙伴一定对anchor\_box的计算很是好奇, 网上也是五花八门的解释,今天我结合源码和原理来解释一下.

这个anchor\_box的计算与anchor\_sizes和anchor\_ratios有关.  
先解释一下anchor\_box的由来. 我们假设当前层是block4, 那么我们的feat\_shape就是(38, 38),  
你可以将其理解为38\*38个cell单元, 每个单元要预测出来几个anchor\_box, 不同的层, 这个数理论上讲都是6个, (paper上就是这么写的). 每个box的长宽比是有ratios决定的, paper上是两个 1 , 以及4个其他的值. 但是作者的源码却很调皮的改了一下.  
看一下我们的长宽比,这里面没有那两个1, 因为他们是单独设定的:

anchor_ratios=[[2, .5],
                   [2, .5, 3, 1./3],
                   [2, .5, 3, 1./3],
                   [2, .5, 3, 1./3],
                   [2, .5],
                   [2, .5]],
    
       
        
       
        
       
        
         1
         2
         3
         4
         5
         6
        
       
        
         1
         2
         3
         4
         5
         6

我们看到第一层还有最后两层, 只有两种长宽比, 所以这三层就只有4种box.  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzM1NDg5_size_16_color_FFFFFF_t_70]  
这个图可以说介绍的相当准确定了, 网上有错的, 以这个为准 . 以block4层为例, 他每个cell单元只有4个box, 包括一大一小两个正方形, 以及两个长方形.  
对于小正方形,其边长为min\_size, 这个min\_size是什么呢?就是前面参数中的anchor\_sizes:

anchor_sizes=[(30., 60.),
       			(60., 111.),
       			(111., 162.),
       			(162., 213.),
       			(213., 264.),
       			(264., 315.)],
    
       
        
       
        
       
        
         1
         2
         3
         4
         5
         6
        
       
        
         1
         2
         3
         4
         5
         6

其中每一行为一组, 每一行对应相应的特征层, 第一行对应的就是block4, 依次类推, 对于(30, 60), 30就是min\_size, 60就是max\_size.  
大正方形其边长为![在这里插入图片描述][20181102135737966.png]  
然后是另外两个长方形,这个时候anchor\_ratios就出马了,长方形的长宽是有公式可寻的.  
![在这里插入图片描述][20181102140224383.png]  
这个ratio就是anchor\_ratios里的2, 5, 3, 1/3 之类的.  
这样,原理上box的大小就介绍完了.但是别忘了这个尺寸是在原图上的尺寸, 我们需要这个尺寸相对于原图的比例.  
看下源码的这一部分:

# Add first anchor boxes with ratio=1.
    	# sizes就是(30, 60), img_shape就是原图尺寸(300, 300)
        h[0] = sizes[0] / img_shape[0]
        w[0] = sizes[0] / img_shape[1]
        di = 1
        if len(sizes) > 1:
            h[1] = math.sqrt(sizes[0] * sizes[1]) / img_shape[0]
            w[1] = math.sqrt(sizes[0] * sizes[1]) / img_shape[1]+= 1 # r 就是[2, 5, 3, 1/3] 
        for i, r in enumerate(ratios):
            h[i+di] = sizes[0] / img_shape[0] / math.sqrt(r)
            w[i+di] = sizes[0] / img_shape[1] * math.sqrt(r)
    
       
        
       
        
       
        
         1
         2
         3
         4
         5
         6
         7
         8
         9
         10
         11
         12
         13
         14
        
       
        
         1
         2
         3
         4
         5
         6
         7
         8
         9
         10
         11

最后, 既然我们高明白了anchor\_size, 这个参数直接决定了当前特征层的box 的大小, 可以看出越靠近输入层, box越小, 越靠近输出层, box越大, 所以 SSD的底层用于检测小目标, 高层用于检测大目标.

## 三、SSD中feat\_shapes与anchor\_steps的对应问题 ##

feat_shapes=[(38, 38), (19, 19), (10, 10), (5, 5), (3, 3), (1, 1)]
    anchor_steps=[8, 16, 32, 64, 100, 300],
    
       
        
       
        
       
        
         1
         2
        
       
        
         1
         2

按理说anchor\_step \* feat\_shape 应该全部等于300的呀, 可为什么不是呢? 这就涉及到向上取整的问题了.300/38 = 7.89 那就是8, 300/19 = 15.789 那就是16, 以此类推. 这个问题就明白了.

转载于博客： https://blog.csdn.net/qq\_36735489/article/details/83654900，如有需要请从原文出处转载；

</div><div><div></div></div>
                <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-60ecaf1f42.css" rel="stylesheet">
                                </div>

[https_blog.csdn.net_qq_42450404_article_details_92800381]: https://blog.csdn.net/qq_42450404/article/details/92800381
[20181102124907655.png]: /images/20230209/27fd71595b864bf7a90f035c0da4fa40.png
[20181102132134188.png]: https://img-blog.csdnimg.cn/20181102132134188.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzM1NDg5_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20181102140116488.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzM1NDg5,size_16,color_FFFFFF,t_70
[20181102135737966.png]: https://img-blog.csdnimg.cn/20181102135737966.png
[20181102140224383.png]: https://img-blog.csdnimg.cn/20181102140224383.png