目标检测之SSD：数据增强参数详解

数据增强效果图

假设原图输入是一张640*480的图片，这里由于版面问题我放缩了图片尺寸并且没做mean subtract，由于最后会有resize参数导致输出的图片都会resize到300x300，但是主要看的是增强的效果，SSD中的数据增强的顺序是：

DistortImage: 这个主要是修改图片的brightness，contrast，saturation，hue，reordering channels，并没改变标签bbox

ExpandImage: 这个主要是将DistortImage的图片用像素0进行扩展，标签bbox此时肯定会改变，就重新以黑边的左上角为原点计算[0,1]的bbox的左上角和右下角两个点坐标。

BatchSampler: 由于这里选错图了，BatchSampler必须要有GT的存在才会生效，由于我做的是人的检测所以图中没人就不会生成sampled_bboxes，后面修改例子。sampled_bboxes的值是随机在[0, 1]上生成的bbox，并且和某个gt_bboxes的IOU在[min, max]之间。由于proto中配的max_sample都是为1，所以每个batch_sampler可能会有1个sampled_bbox，随机取一个sampled bbox并且裁剪图片和标签。标签裁剪也很好理解首先要通过ProjectBBox将原坐标系标签投影到裁剪后图片的新坐标系的坐标，然后再ClipBBox到[0,1]之间。

Resize：放缩到300x300，最后将图片放缩到300x300，标签框也是线性放缩坐标而已。

Crop：原本data_transformer还会crop的，这个参数是配在prototxt中，默认是原图 所以就和没crop一样。如果要crop的话标签也是会和之前BatchSampler那样处理。

layer {
  name: "data"
  type: "AnnotatedData"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mirror: true
    mean_value: 104
    mean_value: 117
    mean_value: 123
    resize_param {
      prob: 1
      resize_mode: WARP
      height: 512
      width: 512
      interp_mode: LINEAR
      interp_mode: AREA
      interp_mode: NEAREST
      interp_mode: CUBIC
      interp_mode: LANCZOS4
    }
    emit_constraint {
      emit_type: CENTER
    }
    distort_param {
      brightness_prob: 0.5   ##调整亮度
      brightness_delta: 32   ##添加像素值
      contrast_prob: 0.5     ##调整对比度
      contrast_lower: 0.5    ##随机对比因子的下界
      contrast_upper: 1.5    ##随机对比因子的上界
      hue_prob: 0.5          ##调整色调
      hue_delta: 18          ##调整色调通道数量
      saturation_prob: 0.5   ##调整饱和
      saturation_lower: 0.5  ##调整饱和因子的下界
      saturation_upper: 1.5  ##调整饱和因子的上界
      random_order_prob: 0.0 ##随机排列图像通道
    }
    expand_param {///////////////////////////////////////////////##存储数据转换器用于扩展策略的参数的消息
      prob: 0.5              ##使用扩展的概率
      max_expand_ratio: 4.0  ##扩大图像的比率
    }
  }
  data_param {
    source: "/home/x306/caffe/xn/image/VEDAI/lmdb/VEDAI_trainval_512_lmdb"
    batch_size: 2
    backend: LMDB
  }
  annotated_data_param {
    batch_sampler {///////////////
      max_sample: 1
      max_trials: 1
    }
    batch_sampler {
      sampler {
        min_scale: 0.3       ***********1.0 ##最大尺度与与最小尺度，如果样本几乎是均匀大小的，那么设置为1.0即可。
        max_scale: 1.0       ***********1.0 
        min_aspect_ratio: 0.5***********1.0 ##最大纵横比与最小纵横比，如果样本框几乎都是正方形的，那么设置为1.0就好。
        max_aspect_ratio: 2.0***********1.0
      }
      sample_constraint {
        min_jaccard_overlap: 0.1**********1.0    ####采样一个片段，使目标最小的jaccard重叠为0.1，0.3，0.5，0.7，0.9
      }
      max_sample: 1
      max_trials: 50
    }
    batch_sampler {
      sampler {
        min_scale: 0.3
        max_scale: 1.0
        min_aspect_ratio: 0.5 ***************1.0
        max_aspect_ratio: 2.0 ***************1.0
      }
      sample_constraint {
        min_jaccard_overlap: 0.3 *************1.0
      }
      max_sample: 1
      max_trials: 50
    }
    batch_sampler {
      sampler {
        min_scale: 0.3
        max_scale: 1.0
        min_aspect_ratio: 0.5 *****************1.0
        max_aspect_ratio: 2.0 *****************1.0
      }
      sample_constraint {
        min_jaccard_overlap: 0.5 *****************1.0
      }
      max_sample: 1
      max_trials: 50
    }
    batch_sampler {
      sampler {
        min_scale: 0.3
        max_scale: 1.0
        min_aspect_ratio: 0.5****************1.0
        max_aspect_ratio: 2.0****************1.0
      }
      sample_constraint {
        min_jaccard_overlap: 0.7*****************1.0
      }
      max_sample: 1
      max_trials: 50
    }
    batch_sampler {
      sampler {
        min_scale: 0.3
        max_scale: 1.0
        min_aspect_ratio: 0.5******************1.0
        max_aspect_ratio: 2.0******************1.0
      }
      sample_constraint {
        min_jaccard_overlap: 0.9****************1.0
      }
      max_sample: 1
      max_trials: 50
    }
    batch_sampler {
      sampler {
        min_scale: 0.3
        max_scale: 1.0
        min_aspect_ratio: 0.5*********************1.0
        max_aspect_ratio: 2.0*********************1.0
      }
      sample_constraint {
        max_jaccard_overlap: 1.0*****************1.0
      }
      max_sample: 1
      max_trials: 50
    }