1.先验框生成
Github源码：
from __future__ import division
from math import sqrt as sqrt
from itertools import product as product
import torch
class PriorBox(object):
"""Compute priorbox coordinates in center-offset form for each source
feature map.
"""
def __init__(self, cfg):
super(PriorBox, self).__init__()
self.image_size = cfg['min_dim']
# number of priors for feature map location (either 4 or 6)
self.num_priors = len(cfg['aspect_ratios'])
self.variance = cfg['variance'] or [0.1]
self.feature_maps = cfg['feature_maps']
self.min_sizes = cfg['min_sizes']
self.max_sizes = cfg['max_sizes']
self.steps = cfg['steps']
self.aspect_ratios = cfg['aspect_ratios']
self.clip = cfg['clip']
self.version = cfg['name']
for v in self.variance:
if v <= 0:
raise ValueError('Variances must be greater than 0')
def forward(self):
mean = []
for k, f in enumerate(self.feature_maps):
for i, j in product(range(f), repeat=2):
f_k = self.image_size / self.steps[k]
# unit center x,y
cx = (j + 0.5) / f_k
cy = (i + 0.5) / f_k
# aspect_ratio: 1 (小框1)
# rel size: min_size
s_k = self.min_sizes[k]/self.image_size
mean += [cx, cy, s_k, s_k]
# aspect_ratio: 1 (大框1)
# rel size: sqrt(s_k * s_(k+1))
s_k_prime = sqrt(s_k * (self.max_sizes[k]/self.image_size))
mean += [cx, cy, s_k_prime, s_k_prime]
# rest of aspect ratios
for ar in self.aspect_ratios[k]:
mean += [cx, cy, s_k*sqrt(ar), s_k/sqrt(ar)]
mean += [cx, cy, s_k/sqrt(ar), s_k*sqrt(ar)]
# back to torch land
output = torch.Tensor(mean).view(-1, 4)
if self.clip:
output.clamp_(max=1, min=0)
return output源码中的几个参数取值先列举下：
min_dim = 300
feature_maps = [38, 19, 10, 5, 3, 1]
steps = [8, 16, 32, 64, 100, 300]
min_sizes = [30, 60, 111, 162, 213, 264]
max_sizes = [60, 111, 162, 213, 264, 315]
aspect_ratios = [[2], [2, 3], [2, 3], [2, 3], [2], [2]]那么相应feature map上的不同大小的先验框是如何产生的呢？下面做进一步分析：
中心点坐标(cx,cy)产生（归一化）：
for i, j in product(range(f), repeat=2):
……这段代码显然是遍历了一个feature map中所有像素点。先验框中心点计算：
cx = (j + 0.5) / f_k
cy = (i + 0.5) / f_k
以3x3大小的feature map为例，很容易看出中心点是怎么计算的，每个点的坐标都除以feature map的大小即可得到归一化后的结果。
接下来说一下min_sizes的计算：
原文中说到：The scale of the default boxes for each feature map is computed as
翻译过来就是对于每一个feature map其默认框的尺度按照上面的那个公式计算。那么这个尺度究竟是什么呢？它并不是在每个feature map上的先验框的大小，而是feature map上的先验框映射到原图上的检测框的大小，所以对于同一个feature map不管是什么样的aspect ratio的先验框映射到原图都是大小相同的正方形检测框。
Smin=0.2，Smax=0.9，m指的是feature map的个数，但是m=5 (conv7, conv8_2, conv9_2, conv10_2, conv11_2)，其中conv4_3单独设置，其Sk为S0=Smin/2=0.1，由于Sk只是一个映射比例，所以要乘以原图的大小即300才能得到映射尺度。所以conv4_3的映射尺度即为0.1x300=30。为了计算简便，对尺度比例扩大100倍计算，最后再除以100：
首先计算增长步长：
注意结果要进行向下取整操作。之后按照Sk的公式即可得到：
这还没完，毕竟我们是扩大100倍进行计算的，最终的映射尺度还需要除以100再乘以300，得到的Sk如下：
sk = [30, 60, 111, 162, 213, 264]所以conv4_3每个先验框映射到原图中为30x30大小的检测框，conv7每个先验框映射到原图中为60x60大小的检测框，conv8_2为111x111大小的检测框，conv9_2为162x162大小的检测框……
下面看一下aspect ratios，先验框的宽高比例实际上有6个值：
{1, 2, 3, 1/2, 1/3, 1'}，而aspect ratio=1’的情况需要特定的映射尺度：
在源码中Sk+1即为max_sizes，Sk+1的计算可以直接套用Sk的计算公式，而S5+1=S6需要考虑虚拟的k=6来计算。
max_sizes = [60, 111, 162, 213, 264, 315]所以每个feature map中有两个大小不同的正方形先验框。每个先验框的宽和高的计算公式如下：
二者相乘为Sk的平方，即为先验框映射到原图中的检测框的面积（ar指的是集合aspect ratios中的元素）。这里要注意，conv4_3、conv10_2和conv11_2不包括宽高比为3和1/3的先验框，源码中代码写的非常巧妙：
for ar in self.aspect_ratios[k]:
mean += [cx, cy, s_k*sqrt(ar), s_k/sqrt(ar)]
mean += [cx, cy, s_k/sqrt(ar), s_k*sqrt(ar)]其中aspect_ratios=[[2], [2, 3], [2, 3], [2, 3], [2], [2]].
aspect_ratio=1和1’是所有feature map共有的宽高比，并且前面代码已全部实现，所以aspect_ratios只需要有2和3就可以，而conv4_3、conv10_2和conv11_2只会索引aspect_ratios中的[2]并不会索引其他元素，并且有以下关系成立：
同理3和1/3的情况，所以aspect_ratios只有2和3足够。
