SSD——先驗框

本文轉載自查看原文 2019-12-19 14:41 2492

https://zhuanlan.zhihu.com/p/79854543

先驗框生成

✔️ SSD從Conv4_3開始，一共提取了6個特征圖，其大小分別為 (38,38),(19,19),(10,10),(5,5),(3,3),(1,1)，但是每個特征圖上設置的先驗框數量不同。

✔️ 先驗框的設置，包括尺度（或者說大小）和長寬比兩個方面。對於先驗框的尺度，其遵守一個線性遞增規則：隨着特征圖大小降低，先驗框尺度線性增加：

$s_{k}=s_{m i n}+\frac{s_{m a x}-s_{m i n}}{m-1}(k-1), k \in[1, m]$

其中：

$M$ 指特征圖個數，但是為5，因為第一層(Conv4_3)是單獨設置的；
$s_k$ 表示先驗框大小相對於圖片的比例;
$s_{min}$ 和 $s_{max}$ 表示比例的最小值與最大值，paper里面取 0.2 和 0.9。

1、對於第一個特征圖，它的先驗框尺度比例設置為 $s_{min}/2=0.1$ ，則其尺度為 $300 \times 0.1=30$ ；

2、對於后面的特征圖，先驗框尺度按照上面公式線性增加.

3、乘回原圖的大小300，再綜合第一個特征圖的先驗框尺寸，則可得各個特征圖的先驗框尺寸為:

$s_k \in\left\{30, 60, 111, 162, 213, 264\right\}$

4、先驗框的長寬比一般設置為:

$a_{r} \in\left\{1,2,3, \frac{1}{2}, \frac{1}{3}\right\}$

5、根據面積和長寬比可得先驗框的寬度和高度:

$w_{k}^{a}=s_{k} \sqrt{a_{r}}, \space h_{k}^{a}=s_{k} / \sqrt{a_{r}}$

6、默認情況下，每個特征圖會有一個 $a_{r}=1$ 且尺度為 $s_{k}$ 的先驗框，除此之外，還會設置一個尺度為 $s_{k}^{\prime}=\sqrt{s_{k} s_{k+1}}$ 且 $a_{r}=1$ 的先驗框，這樣每個特征圖都設置了兩個長寬比為1但大小不同的正方形先驗框;

7、最后一個特征圖需要參考一個虛擬 $s_{m+1}=300 \times (88+17) / 100=315$ 來計算 $s_{m}$

8、因此，每個特征圖一共有 6 個先驗框 $\left\{1,2,3, \frac{1}{2}, \frac{1}{3}, 1^{\prime}\right\}$ ，但是在實現時，Conv4_3，Conv10_2和Conv11_2層僅使用4個先驗框，它們不使用長寬比為 $3, \frac{1}{3}$ 的先驗框;

9、每個單元的先驗框的中心點分布在各個單元的中心，即:

$\left(\frac{i+0.5}{\left|f_{k}\right|}, \frac{j+0.5}{\left|f_{k}\right|}\right), i, j \in\left[0,\left|f_{k}\right|\right)$

其中 $\left|f_{k}\right|$ 為特征圖的大小。

因此，SSD 先驗框共個數：

num_priors = 38x38x4+19x19x6+10x10x6+5x5x6+3x3x4+1x1x4=8732

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 目標檢測——SSD先驗框生成 AI大視覺（八) | Yolov3 如何調整先驗框進行解碼？ anchor設置 yolo_目標檢測中Anchor（先驗框）的作用『TensorFlow』SSD源碼學習_其三：錨框生成先驗分布：（一）認識先驗概率為什么使用CNN作為降噪先驗？共軛先驗（conjugate prior）先驗與后驗先驗分布：（二）選取先驗概率分布 SSD詳解