在 Single Shot Multi-box 检测器中使用 base anchor size
Use of base anchor size in Single Shot Multi-box detector
我正在挖掘动态生成锚框的 Tensorflow Object Detection API in order to check out the anchor box generations for SSD architecture. In this py file，我无法理解 base_anchor_size 的用法。在相应的论文中，没有提到这样的事情。简而言之两个问题：
base_anchor_size参数有什么用？重要吗？- 在原始输入图像的形状为
square 和非正方形的情况下，此参数如何影响训练？
在 SSD 架构中，锚点的尺度是固定在前面的，例如在 0.2-0.9 范围内的线性值。这些值与图像大小有关。例如，给定 320x320 的图像，那么最小的锚点（1:1 比率）将是 64x64，最大的锚点将是 288x288。但是，如果您希望在模型中插入更大的图像，例如640x640，但不改变锚点大小（例如，因为这些是远处物体的图像，所以不需要大物体；不让锚点大小保持不变，这样你就不会在新分辨率上微调模型），然后你可以简单地有一个 base_anchor_size=0.5，这意味着锚比例相对于输入图像大小为 0.5*[0.2-0.9]。
此参数的默认值为[1.0, 1.0]，表示没有任何影响。
这些条目对应于 [height, width] 相对于 您可以放入图像中的最大正方形，即 [min(image_height,image_width),min(image_height,image_width)]。因此，例如，如果您的输入图像是 VGA，即 640x480，则 base_anchor_size 被认为是相对于 [480,480].
我正在挖掘动态生成锚框的 Tensorflow Object Detection API in order to check out the anchor box generations for SSD architecture. In this py file，我无法理解 base_anchor_size 的用法。在相应的论文中，没有提到这样的事情。简而言之两个问题：
base_anchor_size参数有什么用？重要吗？- 在原始输入图像的形状为
square和非正方形的情况下，此参数如何影响训练？
在 SSD 架构中，锚点的尺度是固定在前面的，例如在 0.2-0.9 范围内的线性值。这些值与图像大小有关。例如，给定 320x320 的图像，那么最小的锚点（1:1 比率）将是 64x64，最大的锚点将是 288x288。但是，如果您希望在模型中插入更大的图像，例如640x640，但不改变锚点大小（例如，因为这些是远处物体的图像，所以不需要大物体；不让锚点大小保持不变，这样你就不会在新分辨率上微调模型），然后你可以简单地有一个 base_anchor_size=0.5，这意味着锚比例相对于输入图像大小为 0.5*[0.2-0.9]。
此参数的默认值为[1.0, 1.0]，表示没有任何影响。
这些条目对应于 [height, width] 相对于 您可以放入图像中的最大正方形，即 [min(image_height,image_width),min(image_height,image_width)]。因此，例如，如果您的输入图像是 VGA，即 640x480，则 base_anchor_size 被认为是相对于 [480,480].