訓練過程
1.數(shù)據(jù)：
（1）image/labels/bboxes（每張圖至少有一個檢測目標只锻，有幾個檢測目標對應幾個 label 和 bbox ）
（2）圖像預處理（augment / resize）/歸一化
2.網(wǎng)絡結(jié)構：
（1）網(wǎng)絡輸出 (要注意的是： locs 對應的四個值是dx/dy/dw/dh)
pred_cls(feat_size,feat_size,num_anchors,num_classes)
pre_locs(feat_size,feat_size,num_anchors,loc_offsets)
（2）先驗框 anchor_layers : 每一種 feat_size 上，在每個位置都生成數(shù)量為 num_anchors 的先驗框，先驗框的表示為 （x,y,w,h）
3.groundtruth 與 anchors 之間的 encode
groundtruth 坐標的形式是（y1,x1,y2,x2）和 網(wǎng)絡輸出（dx,dy,dw,dh）的表示形式不同穷当，
所以要將 groundtruth 和 anchors 結(jié)合昔善，來表示anchor_layers 上每個位置的分類 label 和坐標偏移loc（即網(wǎng)絡的輸出）。
4.計算損失
經(jīng)過上一步人柿，groundtruth 已經(jīng)和 pred_locs 的形式相同柴墩，可以用 smoth_L1 loss 計算坐標偏移之間的損失。
分類損失分為 pos_cross_entropy 和 neg_cross_entropy ,正負樣本數(shù)目為 1：3凫岖。
預測過程
1.將預處理（resize / 歸一化）后的圖像輸入到網(wǎng)絡江咳，得到預測類別 pred_cls 和坐標偏移 pre_locs。
2.得到 anchor_layers 哥放。
3.將網(wǎng)絡輸出的坐標偏移 pre_locs 和 anchors 進行decode,因為 pre_locs 和 anchors 的表示形式都為（x,y,w,h）歼指，所以在 anchors 的基礎上直接與網(wǎng)絡輸出的坐標偏移進行調(diào)整爹土，把每個 anchor 都轉(zhuǎn)換成真實值（y1,x1,y2,x2）的形式。
4.選擇 pred_cls 大于 threshold 的框作為候選結(jié)果踩身，利用非極大值抑制（NMS）得到最終結(jié)果胀茵。
5.將結(jié)果resize到原圖，可視化最終結(jié)果挟阻。
