mxnet ssd 多尺度输入

ssd网络是全卷积的，理论上可以输入任意尺寸的图片。我在测试任意尺寸输入时发现一下问题：

训练：448×448的图

测试：896×896的图

测试时使用训练时2倍的尺寸，运行网络输出结果，明显发现检测的矩形框与应当得出的检测框大小呈2倍关系，折腾了几个小时，终于明白了。

解答：anchor的size是归一化到训练图像(和特征图高度直接相关)高度的，anchor是有绝对大小，只修改测试图像大小不修改size会使anchor的绝对大小变化。

怎么知道anchor是归一化到高度的？

mxnet源码中multibox_prior.cc

        float w = size * in_height / in_width / 2;
        float h = size / 2;

在根据size生成anchor时，由于anchor的宽高要分别归一化到图像（特征图）的宽高，要计算出anchor实际大小再分别归一化。可以看到归一化w时乘以height所以anchor是按高度归一化的。

这就不难理解前面出现的问题了，假设size=0.1，某个fmap训练时大小224×224

训练阶段：

        float w = size * 224/224 / 2=0.05
        float h = size / 2=0.05;

测试阶段：

        float w = size * 448/448 / 2=0.05;
        float h = size / 2=0.05;　　

anchr的w、h相对于输入图的比例没变，但是anchor 的w、h乘以图像(特征图)宽高对应的真实大小翻倍了，这是有问题的，anchor实际上是有绝对大小的，我们需要保持anchor在训练和测试阶段大小的一致。所以如果在

修改ssd输入图片尺寸时，需要将size除以系数[测试高度/训练高度]。另外，还有一种解决方案，虽然检测框的大小不对，但是其中心坐标是对的，所以可以直接修改最终检测框，将其宽高除以系数。

 

核心：anchor的大小归一化到训练图像高度的