SSD-Tensorflow

声明：

更详细的代码解读Tensorflow实现SSD.
欢迎关注我的知乎.

运行环境：

Python3 + Tensorflow1.5 + OpenCV-python3.3.1 + Numpy1.13
windows和ubuntu环境都可以

准备工作：

请在SSD检测模型下载模型，并放到SSD_model文件夹下

文件说明：

1、ssd300_vgg.py：搭建ssd300网络模型，并解码网络输出

·ssd_layers.py：SSD中各种网络层的定义
·ssd_anchors.py：SSD的先验框anchor设置，与Caffe源码保持一致

2、utils.py：功能函数：

（1）预处理图片：白化、resize300x300、增加batchsize这一维度
（2）处理/筛选边界框：
·将边界框超出图片范围(0,0)-(300,300)的部分cut掉；
·按类别置信度scores降序，对边界框进行排序并仅保留top_k=400；
·计算IOU->采用NMS；
·还原相对原图片的边界框真实位置和大小.

3、drawbox.py：可视化最后的检测结果

4、Main.py：SSD主函数：

（1）搭建网络，解码网络输出并设置阈值去除得分低于阈值的边界框，得到边界框的类别、得分、位置大小
（2）导入训练好的SSD模型
（3）预处理图片-->处理/筛选边界框
（4）可视化最后的检测结果

5、SSD_data文件夹：

包含待检测输入图片car.jpg、检测后的输出图片detection.jpg、ssd_300_vgg网络各个层的名称var_name.txt

运行Main.py即可得到效果图：

1、car.jpg：输入的待检测图片



2、detection.jpg：检测结果可视化