pytorch目标检测一_ssd实现原理
本篇博客是我学习(https://blog.csdn.net/weixin_44791964)博主写的pytorch的ssd的博客后写的，大家可以直接去看这位博主的博客(https://blog.csdn.net/weixin_44791964/article/details/104981486)。这位博主在b站还有配套视频，传送门：(https://www.bilibili.com/video/BV1A7411976Z)。这位博主的在GitHub的源代码(https://github.com/bubbliiiing/ssd-pytorch)。 侵删
几种目标检测方法比较
这里建议去看一篇博客，里面讲了几种目标检测方法实现的大致原理，也对几种目标检测方法进行了比较，写得比较详细：链接
ssd的实现原理
计算机要确定一幅图片中某个参数的位置，也就是对准图片中的一个物体，画出一个框，需要四个参数，中心点的x和y的坐标，w（宽），h（高），如下图（图片来自于b站up主Bubbliiiing的****截图，侵删）：
我们的计算机要确定这幅图片中猫咪的位置，画一个框，框出猫咪，就需要这个框的四个参数，中心点坐标：x和y、框的宽、框的高。
那么ssd是如何画出这个框的呢？
首先我们需要将图片调整成为300x300的大小，为了防止失真，图片并不会直接拉长之类的，而是在边缘区域对图片进行补充，如下（图片来自于b站up主Bubbliiiing的****截图，侵删）
然后，ssd会将图片划分成不同大小的网格，如下图（图片来自于b站up主Bubbliiiing的****截图，侵删）
按照顺序，图片会依次被划分为38x38, 19x19, 10x10, 5x5, 3x3, 1x1的网格。又因为在进行多次卷积之后，图片中较小物体的特征容易缺失，所以对于较小物体，一般使用38x38和19x19的网格。我们图片中的猫咪，是一个较大的物体，所以我们不会使用38x38和19x19来检测图片中的猫咪。比如我们使用5x5的网格来检测猫咪，如下图（图片来自于b站up主Bubbliiiing的****截图，侵删）
每个网格中心负责物体的检测，如果物体中心落在某个网格内部，那么这个物体就由这个网格点来确定。
基本原理就系介样了，然后接下来就是关于整体架构的介绍了。