SSD采用改造的VGG16加额外4个特征层，实现总体的特征提取，生成不同大小的feature_map
改造FC6 和FC7，采用卷积而不是全连接，生成19*19 的feature_map, 额外增加4个卷积层，生成10*10， 5*5， 3*3， 1*1 的feature_map，
其中conv4_3, FC7, conv6_2, conv7_2, conv8_2, conv9_2作为特征提取层，用于目标框的回归和类别的识别。
def SSD300(input_shape, num_classes=21): # 300,300,3 input_tensor = Input(shape=input_shape) img_size = (input_shape[1], input_shape[0]) # SSD结构,net字典 net = VGG16(input_tensor) #-----------------------将提取到的主干特征进行处理---------------------------# # 对conv4_3进行处理 38,38,512 net[\'conv4_3_norm\'] = Normalize(20, name=\'conv4_3_norm\')(net[\'conv4_3\']) num_priors = 4 # 预测框的处理 # num_priors表示每个网格点先验框的数量，4是x,y,h,w的调整 net[\'conv4_3_norm_mbox_loc\'] = Conv2D(num_priors * 4, kernel_size=(3,3), padding=\'same\', name=\'conv4_3_norm_mbox_loc\')(net[\'conv4_3_norm\']) net[\'conv4_3_norm_mbox_loc_flat\'] = Flatten(name=\'conv4_3_norm_mbox_loc_flat\')(net[\'conv4_3_norm_mbox_loc\']) # num_priors表示每个网格点先验框的数量，num_classes是所分的类 net[\'conv4_3_norm_mbox_conf\'] = Conv2D(num_priors * num_classes, kernel_size=(3,3), padding=\'same\',name=\'conv4_3_norm_mbox_conf\')(net[\'conv4_3_norm\']) net[\'conv4_3_norm_mbox_conf_flat\'] = Flatten(name=\'conv4_3_norm_mbox_conf_flat\')(net[\'conv4_3_norm_mbox_conf\']) priorbox = PriorBox(img_size, 30.0,max_size = 60.0, aspect_ratios=[2], variances=[0.1, 0.1, 0.2, 0.2], name=\'conv4_3_norm_mbox_priorbox\') net[\'conv4_3_norm_mbox_priorbox\'] = priorbox(net[\'conv4_3_norm\']) # 对fc7层进行处理 num_priors = 6 # 预测框的处理 # num_priors表示每个网格点先验框的数量，4是x,y,h,w的调整 net[\'fc7_mbox_loc\'] = Conv2D(num_priors * 4, kernel_size=(3,3),padding=\'same\',name=\'fc7_mbox_loc\')(net[\'fc7\']) net[\'fc7_mbox_loc_flat\'] = Flatten(name=\'fc7_mbox_loc_flat\')(net[\'fc7_mbox_loc\']) # num_priors表示每个网格点先验框的数量，num_classes是所分的类 net[\'fc7_mbox_conf\'] = Conv2D(num_priors * num_classes, kernel_size=(3,3),padding=\'same\',name=\'fc7_mbox_conf\')(net[\'fc7\']) net[\'fc7_mbox_conf_flat\'] = Flatten(name=\'fc7_mbox_conf_flat\')(net[\'fc7_mbox_conf\']) priorbox = PriorBox(img_size, 60.0, max_size=111.0, aspect_ratios=[2, 3], variances=[0.1, 0.1, 0.2, 0.2], name=\'fc7_mbox_priorbox\') net[\'fc7_mbox_priorbox\'] = priorbox(net[\'fc7\']) # 对conv6_2进行处理 num_priors = 6 # 预测框的处理 # num_priors表示每个网格点先验框的数量，4是x,y,h,w的调整 x = Conv2D(num_priors * 4, kernel_size=(3,3), padding=\'same\',name=\'conv6_2_mbox_loc\')(net[\'conv6_2\']) net[\'conv6_2_mbox_loc\'] = x net[\'conv6_2_mbox_loc_flat\'] = Flatten(name=\'conv6_2_mbox_loc_flat\')(net[\'conv6_2_mbox_loc\']) # num_priors表示每个网格点先验框的数量，num_classes是所分的类 x = Conv2D(num_priors * num_classes, kernel_size=(3,3), padding=\'same\',name=\'conv6_2_mbox_conf\')(net[\'conv6_2\']) net[\'conv6_2_mbox_conf\'] = x net[\'conv6_2_mbox_conf_flat\'] = Flatten(name=\'conv6_2_mbox_conf_flat\')(net[\'conv6_2_mbox_conf\']) priorbox = PriorBox(img_size, 111.0, max_size=162.0, aspect_ratios=[2, 3], variances=[0.1, 0.1, 0.2, 0.2], name=\'conv6_2_mbox_priorbox\') net[\'conv6_2_mbox_priorbox\'] = priorbox(net[\'conv6_2\']) # 对conv7_2进行处理 num_priors = 6 # 预测框的处理 # num_priors表示每个网格点先验框的数量，4是x,y,h,w的调整 x = Conv2D(num_priors * 4, kernel_size=(3,3), padding=\'same\',name=\'conv7_2_mbox_loc\')(net[\'conv7_2\']) net[\'conv7_2_mbox_loc\'] = x net[\'conv7_2_mbox_loc_flat\'] = Flatten(name=\'conv7_2_mbox_loc_flat\')(net[\'conv7_2_mbox_loc\']) # num_priors表示每个网格点先验框的数量，num_classes是所分的类 x = Conv2D(num_priors * num_classes, kernel_size=(3,3), padding=\'same\',name=\'conv7_2_mbox_conf\')(net[\'conv7_2\']) net[\'conv7_2_mbox_conf\'] = x net[\'conv7_2_mbox_conf_flat\'] = Flatten(name=\'conv7_2_mbox_conf_flat\')(net[\'conv7_2_mbox_conf\']) priorbox = PriorBox(img_size, 162.0, max_size=213.0, aspect_ratios=[2, 3], variances=[0.1, 0.1, 0.2, 0.2], name=\'conv7_2_mbox_priorbox\') net[\'conv7_2_mbox_priorbox\'] = priorbox(net[\'conv7_2\']) # 对conv8_2进行处理 num_priors = 4 # 预测框的处理 # num_priors表示每个网格点先验框的数量，4是x,y,h,w的调整 x = Conv2D(num_priors * 4, kernel_size=(3,3), padding=\'same\',name=\'conv8_2_mbox_loc\')(net[\'conv8_2\']) net[\'conv8_2_mbox_loc\'] = x net[\'conv8_2_mbox_loc_flat\'] = Flatten(name=\'conv8_2_mbox_loc_flat\')(net[\'conv8_2_mbox_loc\']) # num_priors表示每个网格点先验框的数量，num_classes是所分的类 x = Conv2D(num_priors * num_classes, kernel_size=(3,3), padding=\'same\',name=\'conv8_2_mbox_conf\')(net[\'conv8_2\']) net[\'conv8_2_mbox_conf\'] = x net[\'conv8_2_mbox_conf_flat\'] = Flatten(name=\'conv8_2_mbox_conf_flat\')(net[\'conv8_2_mbox_conf\']) priorbox = PriorBox(img_size, 213.0, max_size=264.0, aspect_ratios=[2], variances=[0.1, 0.1, 0.2, 0.2], name=\'conv8_2_mbox_priorbox\') net[\'conv8_2_mbox_priorbox\'] = priorbox(net[\'conv8_2\']) # 对conv9_2进行处理 num_priors = 4 # 预测框的处理 # num_priors表示每个网格点先验框的数量，4是x,y,h,w的调整 x = Conv2D(num_priors * 4, kernel_size=(3,3), padding=\'same\',name=\'conv9_2_mbox_loc\')(net[\'conv9_2\']) net[\'conv9_2_mbox_loc\'] = x net[\'conv9_2_mbox_loc_flat\'] = Flatten(name=\'conv9_2_mbox_loc_flat\')(net[\'conv9_2_mbox_loc\']) # num_priors表示每个网格点先验框的数量，num_classes是所分的类 x = Conv2D(num_priors * num_classes, kernel_size=(3,3), padding=\'same\',name=\'conv9_2_mbox_conf\')(net[\'conv9_2\']) net[\'conv9_2_mbox_conf\'] = x net[\'conv9_2_mbox_conf_flat\'] = Flatten(name=\'conv9_2_mbox_conf_flat\')(net[\'conv9_2_mbox_conf\']) priorbox = PriorBox(img_size, 264.0, max_size=315.0, aspect_ratios=[2], variances=[0.1, 0.1, 0.2, 0.2], name=\'conv9_2_mbox_priorbox\') net[\'conv9_2_mbox_priorbox\'] = priorbox(net[\'conv9_2\']) # 将所有结果进行堆叠 net[\'mbox_loc\'] = Concatenate(axis=1, name=\'mbox_loc\')([net[\'conv4_3_norm_mbox_loc_flat\'], net[\'fc7_mbox_loc_flat\'], net[\'conv6_2_mbox_loc_flat\'], net[\'conv7_2_mbox_loc_flat\'], net[\'conv8_2_mbox_loc_flat\'], net[\'conv9_2_mbox_loc_flat\']]) net[\'mbox_conf\'] = Concatenate(axis=1, name=\'mbox_conf\')([net[\'conv4_3_norm_mbox_conf_flat\'], net[\'fc7_mbox_conf_flat\'], net[\'conv6_2_mbox_conf_flat\'], net[\'conv7_2_mbox_conf_flat\'], net[\'conv8_2_mbox_conf_flat\'], net[\'conv9_2_mbox_conf_flat\']]) net[\'mbox_priorbox\'] = Concatenate(axis=1, name=\'mbox_priorbox\')([net[\'conv4_3_norm_mbox_priorbox\'], net[\'fc7_mbox_priorbox\'], net[\'conv6_2_mbox_priorbox\'], net[\'conv7_2_mbox_priorbox\'], net[\'conv8_2_mbox_priorbox\'], net[\'conv9_2_mbox_priorbox\']]) # 8732,4 net[\'mbox_loc\'] = Reshape((-1, 4),name=\'mbox_loc_final\')(net[\'mbox_loc\']) # 8732,21 net[\'mbox_conf\'] = Reshape((-1, num_classes),name=\'mbox_conf_logits\')(net[\'mbox_conf\'])
# 转化为概率信息 net[\'mbox_conf\'] = Activation(\'softmax\',name=\'mbox_conf_final\')(net[\'mbox_conf\']) net[\'predictions\'] = Concatenate(axis=2, name=\'predictions\')([net[\'mbox_loc\'], net[\'mbox_conf\'], net[\'mbox_priorbox\']]) model = Model(net[\'input\'], net[\'predictions\']) return model
将各层输出的信息进行堆叠，维度为（None, 8732, 4+num_classes）
先验框信息也作为网络的输出，用于最后预测的时候根据对应的先验框信息回归
所以model 的输出维度为（None， 8732， 4+num_classes+8），最后一维的前四个代表数代表框回归偏差信息，后8个数代表先验框信息， 中间的数代表类别
本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：目标检测——SSD模型搭建 - Python技术站
微信扫一扫 
支付宝扫一扫 