“”“ 简单目标检测算法的实现流程(SSD)，可以直接运行model文件
摘自《动手学深度学习pytorch》
链接：https://zh-v2.d2l.ai/ ”“”
-
模型：
有注释
-
工具：
data_read.py：数据读取->数据加载->转为pytorch可用数据
bounding_box.py: 定义中心+宽度表示锚框与左上角和右下角表示锚框，两种方式间的转换到
gen_anchors.py：针对每个像素点生成尺寸比例数量个锚框
gen_gtboxes.py：将真实边界框分配给锚框->计算锚框与真实边界框之间的偏移量->使用真实边界框标记每个锚框 ：如果⼀个锚框没有被分配，，标记其为背景，mask = [0, 0, 0, 0]
iou.py：计算锚框与锚框，锚框与gtbox之间的iou
loss.py：计算标签损失(交叉熵损失函数)和类别损失(L1损失函数)
nms.py：找出含有物体的锚框，采用置信度和非极大值抑制置信度筛选出最终需要的锚框(预测阶段使用)
prediction.py：定义类别和标签的预测函数，由于存在多个预测输出，需要先将预测结果压平，再连接起来
-
网络模块：
blocks.py：定义下采样块，基础网络块，以及后续块的整合方法->blocks.py
-
图片：
catdog.jpg：锚框绘制
banana.png：结果预测
-
需要关闭图像窗口才可以继续训练