1、数据集

目标检测常用数据集：VOC

PASCAL VOC 挑战赛 （ The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛。PASCAL 全称：Pattern Analysis, Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。很多模型都基于此数据集推出，比如目标检测领域的 yolo, ssd 等等。

数据集结构如下所示：

.
├── Annotations         # xml 文件，用于描述图片信息
├── ImageSets           # 该目录下存放的都是 txt 文件，每一行包含一个图片的名称，末尾会加上 ±1 表示正负样本
│   ├── Action          # 有关人的动作的数据
│   ├── Layout          # 有关人体部位的数据
│   ├── Main            # 20类图像物体识别的数据
│   └── Segmentation    # 可用于分割的数据
├── JPEGImages          # jpg 图片
├── SegmentationClass   # png 图片，用于图像语义分割相关
└── SegmentationObject   # png 图片，用于图像实例分割相关

关于数据集的更多介绍可见 Pascal Voc 数据集详细分析

2、锚框 / 先验框

目标检测任务，包含“物体分类”和“物体定位”两个子任务。其中，物体定位任务的最终目标，就是在图片上生成一个能够框住目标物体的矩形框。

那么问题来了，这样的一个框要怎么生成？框的位置、大小要如何定义？事实上，一个长宽分别有 x 和 y 个像素的图片上，共可以生成 个不同的矩形框。其中很多矩形框的差异很小，遍历所有可能性的意义不大。

而 anchor（锚框）或者叫 prior bounding box (先验框），就是来解决这个问题的。其中 anchor 是 Faster RCNN 中的称呼，prior bounding box 是 SSD 中的称呼，两者是一个概念。下面统一用先验框来表示。

未完待续。。。。