主要目标

• 准备好Pytorch环境
• 了解目标检测的一些基本概念，包括目标框的两种表示形式，IoU等
• 下载好VOC数据集
• 学习了解VOC数据集的格式，以及如何用代码读取VOC数据集，构建DataLoader

学习内容

分别对应《动手学CV-Pytorch》的3.1和3.2两节

1. 目标检测基本概念
2. 目标检测数据集VOC

我的基础

1. 已经使用过pytorch进行目标检测项目并看过一些目标检测框架源码
2. 熟悉目标检测基础原理，但需要巩固

笔记

1. 用来表达bbox的格式通常有两种，(x1, y1, x2, y2) 和 (c_x, c_y, w, h)，两者可以互相转换

2. IOU交并比Intersection over union： 衡量框的重叠程度

3. IOU的计算流程：
   

   1）获取两个框的左上和右下坐标(red_x1, red_y1),(red_x2, red_y2),(green_x1, green_y1),(green_x2, green_y2)

   2）计算左上点最大值，右下点最小值。这里注意左上第一个像素为（0，0），所以数值越大越向右下。

   3） 利用2中获得的两个点计算黄色矩形面积，这就是intersection。

   4）用3中获得的intersection加上两个矩形的面积之和减去intersection（因为这部分在面积和中算了两次），这就是Union了

4. VOC主要信息： filename, size, depth, object([xmin,ymin,xmax,ymax])

5. 文中提到xml的提取方法，这个很多地方有介绍，就不在这里记录了。

6. 首先需要实例化PascalVOCDataset类得到train_dataset，然后将train_dataset传入torch.utils.data.DataLoader，进而得到train_loader。

7. 文中最后介绍了VOC转换成dataloader和数据增强transform