睿智的目标检测23——Pytorch搭建SSD目标检测平台

ゞ浴缸里的玫瑰 2023-07-17 06:21 5阅读 0赞

### 睿智的目标检测23——Pytorch搭建SSD目标检测平台 ###

*  学习前言
 *  什么是SSD目标检测算法
 *  源码下载
 *  SSD实现思路
 *   *  一、预测部分
     *   *  1、主干网络介绍
         *  2、从特征获取预测结果
         *  3、预测结果的解码
         *  4、在原图上进行绘制
     *  二、训练部分
     *   *  1、真实框的处理
         *   *  a、找到真实框对应的先验框
             *  b、真实框的编码
         *  2、利用处理完的真实框与对应图片的预测结果计算loss
 *  训练自己的SSD模型
 *   *  一、数据集的准备
     *  二、数据集的处理
     *  三、开始网络训练
     *  四、训练结果预测

# 学习前言 #

一起来看看SSD的Pytorch实现吧，顺便训练一下自己的数据。  
![在这里插入图片描述][20190723165901974.jpg_pic_center]

# 什么是SSD目标检测算法 #

SSD是一种非常优秀的one-stage目标检测方法，one-stage算法就是**目标检测**和**分类**是同时完成的，**其主要思路是利用CNN提取特征后，均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，物体分类与预测框的回归同时进行，整个过程只需要一步，所以其优势是速度快**。  
但是均匀的密集采样的一个重要缺点是训练比较困难，这主要是因为正样本与负样本（背景）极其不均衡（参见Focal Loss），导致模型准确度稍低。  
**SSD的英文全名是Single Shot MultiBox Detector，Single shot说明SSD算法属于one-stage方法，MultiBox说明SSD算法基于多框预测。**

# 源码下载 #

[https://github.com/bubbliiiing/ssd-pytorch][https_github.com_bubbliiiing_ssd-pytorch]  
喜欢的可以点个star噢。

# SSD实现思路 #

## 一、预测部分 ##

### 1、主干网络介绍 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70]  
SSD采用的主干网络是VGG网络，关于VGG的介绍大家可以看我的另外一篇博客[https://blog.csdn.net/weixin\_44791964/article/details/102779878][https_blog.csdn.net_weixin_44791964_article_details_102779878]，这里的VGG网络相比普通的VGG网络有一定的修改，主要修改的地方就是：  
**1、将VGG16的FC6和FC7层转化为卷积层。  
2、去掉所有的Dropout层和FC8层；  
3、新增了Conv6、Conv7、Conv8、Conv9。**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70 1]  
如图所示，输入的图片经过了**改进的VGG网络**（Conv1->fc7）和几个另加的卷积层（Conv6->Conv9），进行特征提取：  
**a、输入一张图片后，被resize到300x300的shape**

**b、conv1，经过两次\[3,3\]卷积网络，输出的特征层为64，输出为(300,300,64)，再2X2最大池化，该最大池化步长为2，输出net为(150,150,64)。**

**c、conv2，经过两次\[3,3\]卷积网络，输出的特征层为128，输出net为(150,150,128)，再2X2最大池化，该最大池化步长为2，输出net为(75,75,128)。**

**d、conv3，经过三次\[3,3\]卷积网络，输出的特征层为256，输出net为(75,75,256)，再2X2最大池化，该最大池化步长为2，输出net为(38,38,256)。**

**e、conv4，经过三次\[3,3\]卷积网络，输出的特征层为512，输出net为(38,38,512)，再2X2最大池化，该最大池化步长为2，输出net为(19,19,512)。**

**f、conv5，经过三次\[3,3\]卷积网络，输出的特征层为512，输出net为(19,19,512)，再3X3最大池化，该最大池化步长为1，输出net为(19,19,512)。**

**g、利用卷积代替全连接层，进行了一次\[3,3\]卷积网络和一次\[1,1\]卷积网络，分别为fc6和fc7，输出的通道数为1024，因此输出的net为(19,19,1024)。**（从这里往前都是VGG的结构）

**h、conv6，经过一次\[1,1\]卷积网络，调整通道数，一次步长为2的\[3,3\]卷积网络，输出的通道数为512，因此输出的net为(10,10,512)。**

**i、conv7，经过一次\[1,1\]卷积网络，调整通道数，一次步长为2的\[3,3\]卷积网络，输出的通道数为256，因此输出的net为(5,5,256)。**

**j、conv8，经过一次\[1,1\]卷积网络，调整通道数，一次padding为valid的\[3,3\]卷积网络，输出的通道数为256，因此输出的net为(3,3,256)。**

**k、conv9，经过一次\[1,1\]卷积网络，调整通道数，一次padding为valid的\[3,3\]卷积网络，输出的特征层为256，因此输出的net为(1,1,256)。**

实现代码：

import torch.nn as nn
    from torchvision.models.utils import load_state_dict_from_url
    
    
    '''
    该代码用于获得VGG主干特征提取网络的输出。
    输入变量i代表的是输入图片的通道数，通常为3。
    
    300, 300, 3 -> 300, 300, 64 -> 300, 300, 64 -> 150, 150, 64 -> 150, 150, 128 -> 150, 150, 128 -> 75, 75, 128 ->
    75, 75, 256 -> 75, 75, 256 -> 75, 75, 256 -> 38, 38, 256 -> 38, 38, 512 -> 38, 38, 512 -> 38, 38, 512 -> 19, 19, 512 ->
    19, 19, 512 -> 19, 19, 512 -> 19, 19, 512 -> 19, 19, 512 -> 19, 19, 1024 -> 19, 19, 1024
    
    38, 38, 512的序号是22
    19, 19, 1024的序号是34
    '''
    base = [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'C', 512, 512, 512, 'M',
                512, 512, 512]
    
    def vgg(pretrained = False):
        layers = []
        in_channels = 3
        for v in base:
            if v == 'M':
                layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
            elif v == 'C':
                layers += [nn.MaxPool2d(kernel_size=2, stride=2, ceil_mode=True)]
            else:
                conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)
                layers += [conv2d, nn.ReLU(inplace=True)]
                in_channels = v
        # 19, 19, 512 -> 19, 19, 512 
        pool5 = nn.MaxPool2d(kernel_size=3, stride=1, padding=1)
        # 19, 19, 512 -> 19, 19, 1024
        conv6 = nn.Conv2d(512, 1024, kernel_size=3, padding=6, dilation=6)
        # 19, 19, 1024 -> 19, 19, 1024
        conv7 = nn.Conv2d(1024, 1024, kernel_size=1)
        layers += [pool5, conv6,
                   nn.ReLU(inplace=True), conv7, nn.ReLU(inplace=True)]
    
        model = nn.ModuleList(layers)
        if pretrained:
            state_dict = load_state_dict_from_url("https://download.pytorch.org/models/vgg16-397923af.pth", model_dir="./model_data")
            state_dict = {
        k.replace('features.', '') : v for k, v in state_dict.items()}
            model.load_state_dict(state_dict, strict = False)
        return model
    
    def add_extras(in_channels, backbone_name):
        layers = []
        if backbone_name == 'vgg':
            # Block 6
            # 19,19,1024 -> 19,19,256 -> 10,10,512
            layers += [nn.Conv2d(in_channels, 256, kernel_size=1, stride=1)]
            layers += [nn.Conv2d(256, 512, kernel_size=3, stride=2, padding=1)]
    
            # Block 7
            # 10,10,512 -> 10,10,128 -> 5,5,256
            layers += [nn.Conv2d(512, 128, kernel_size=1, stride=1)]
            layers += [nn.Conv2d(128, 256, kernel_size=3, stride=2, padding=1)]
    
            # Block 8
            # 5,5,256 -> 5,5,128 -> 3,3,256
            layers += [nn.Conv2d(256, 128, kernel_size=1, stride=1)]
            layers += [nn.Conv2d(128, 256, kernel_size=3, stride=1)]
            
            # Block 9
            # 3,3,256 -> 3,3,128 -> 1,1,256
            layers += [nn.Conv2d(256, 128, kernel_size=1, stride=1)]
            layers += [nn.Conv2d(128, 256, kernel_size=3, stride=1)]
        else:
            layers += [InvertedResidual(in_channels, 512, stride=2, expand_ratio=0.2)]
            layers += [InvertedResidual(512, 256, stride=2, expand_ratio=0.25)]
            layers += [InvertedResidual(256, 256, stride=2, expand_ratio=0.5)]
            layers += [InvertedResidual(256, 64, stride=2, expand_ratio=0.25)]
            
        return nn.ModuleList(layers)

### 2、从特征获取预测结果 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70]  
由上图可知，我们分别取：

*  **conv4的第三次卷积的特征；**
 *  **fc7卷积的特征；**
 *  **conv6的第二次卷积的特征；**
 *  **conv7的第二次卷积的特征；**
 *  **conv8的第二次卷积的特征；**
 *  **conv9的第二次卷积的特征。**

共六个特征层进行下一步的处理。为了和普通特征层区分，我们称之为**有效特征层**，来获取预测结果。

对获取到的**每一个有效特征层**，我们都需要对其**做两个操作**，分别是：

*  **一次num\_anchors x 4的卷积**
 *  **一次num\_anchors x num\_classes的卷积**

而**num\_anchors指的是该特征层每一个特征点**所拥有的先验框数量。上述提到的六个特征层，**每个特征层的每个特征点对应的先验框数量分别为4、6、6、6、4、4。**

上述操作分别对应的对象为：

*  **num\_anchors x 4的卷积** 用于预测 **该特征层上** **每一个网格点上 每一个先验框**的变化情况。\*\*
 *  **num\_anchors x num\_classes的卷积** 用于预测 **该特征层上** **每一个网格点上** **每一个预测**对应的种类。

所有的特征层对应的预测结果的shape如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]  
实现代码为：

class SSD300(nn.Module):
        def __init__(self, num_classes, backbone_name, pretrained = False):
            super(SSD300, self).__init__()
            self.num_classes    = num_classes
            if backbone_name    == "vgg":
                self.vgg        = add_vgg(pretrained)
                self.extras     = add_extras(1024, backbone_name)
                self.L2Norm     = L2Norm(512, 20)
                mbox            = [4, 6, 6, 6, 4, 4]
                
                loc_layers      = []
                conf_layers     = []
                backbone_source = [21, -2]
                #---------------------------------------------------#
                #   在add_vgg获得的特征层里
                #   第21层和-2层可以用来进行回归预测和分类预测。
                #   分别是conv4-3(38,38,512)和conv7(19,19,1024)的输出
                #---------------------------------------------------#
                for k, v in enumerate(backbone_source):
                    loc_layers  += [nn.Conv2d(self.vgg[v].out_channels, mbox[k] * 4, kernel_size = 3, padding = 1)]
                    conf_layers += [nn.Conv2d(self.vgg[v].out_channels, mbox[k] * num_classes, kernel_size = 3, padding = 1)]
                #-------------------------------------------------------------#
                #   在add_extras获得的特征层里
                #   第1层、第3层、第5层、第7层可以用来进行回归预测和分类预测。
                #   shape分别为(10,10,512), (5,5,256), (3,3,256), (1,1,256)
                #-------------------------------------------------------------#  
                for k, v in enumerate(self.extras[1::2], 2):
                    loc_layers  += [nn.Conv2d(v.out_channels, mbox[k] * 4, kernel_size = 3, padding = 1)]
                    conf_layers += [nn.Conv2d(v.out_channels, mbox[k] * num_classes, kernel_size = 3, padding = 1)]
            else:
                self.mobilenet  = mobilenet_v2(pretrained).features
                self.extras     = add_extras(1280, backbone_name)
                self.L2Norm     = L2Norm(96, 20)
                mbox            = [6, 6, 6, 6, 6, 6]
    
                loc_layers      = []
                conf_layers     = []
                backbone_source = [13, -1]
                for k, v in enumerate(backbone_source):
                    loc_layers  += [nn.Conv2d(self.mobilenet[v].out_channels, mbox[k] * 4, kernel_size = 3, padding = 1)]
                    conf_layers += [nn.Conv2d(self.mobilenet[v].out_channels, mbox[k] * num_classes, kernel_size = 3, padding = 1)]
                for k, v in enumerate(self.extras, 2):
                    loc_layers  += [nn.Conv2d(v.out_channels, mbox[k] * 4, kernel_size = 3, padding = 1)]
                    conf_layers += [nn.Conv2d(v.out_channels, mbox[k] * num_classes, kernel_size = 3, padding = 1)]
    
            self.loc            = nn.ModuleList(loc_layers)
            self.conf           = nn.ModuleList(conf_layers)
            self.backbone_name  = backbone_name
            
        def forward(self, x):
            #---------------------------#
            #   x是300,300,3
            #---------------------------#
            sources = list()
            loc     = list()
            conf    = list()
    
            #---------------------------#
            #   获得conv4_3的内容
            #   shape为38,38,512
            #---------------------------#
            if self.backbone_name == "vgg":
                for k in range(23):
                    x = self.vgg[k](x)
            else:
                for k in range(14):
                    x = self.mobilenet[k](x)
            #---------------------------#
            #   conv4_3的内容
            #   需要进行L2标准化
            #---------------------------#
            s = self.L2Norm(x)
            sources.append(s)
    
            #---------------------------#
            #   获得conv7的内容
            #   shape为19,19,1024
            #---------------------------#
            if self.backbone_name == "vgg":
                for k in range(23, len(self.vgg)):
                    x = self.vgg[k](x)
            else:
                for k in range(14, len(self.mobilenet)):
                    x = self.mobilenet[k](x)
    
            sources.append(x)
            #-------------------------------------------------------------#
            #   在add_extras获得的特征层里
            #   第1层、第3层、第5层、第7层可以用来进行回归预测和分类预测。
            #   shape分别为(10,10,512), (5,5,256), (3,3,256), (1,1,256)
            #-------------------------------------------------------------#      
            for k, v in enumerate(self.extras):
                x = F.relu(v(x), inplace=True)
                if self.backbone_name == "vgg":
                    if k % 2 == 1:
                        sources.append(x)
                else:
                    sources.append(x)
    
            #-------------------------------------------------------------#
            #   为获得的6个有效特征层添加回归预测和分类预测
            #-------------------------------------------------------------#      
            for (x, l, c) in zip(sources, self.loc, self.conf):
                loc.append(l(x).permute(0, 2, 3, 1).contiguous())
                conf.append(c(x).permute(0, 2, 3, 1).contiguous())
    
            #-------------------------------------------------------------#
            #   进行reshape方便堆叠
            #-------------------------------------------------------------#  
            loc     = torch.cat([o.view(o.size(0), -1) for o in loc], 1)
            conf    = torch.cat([o.view(o.size(0), -1) for o in conf], 1)
            #-------------------------------------------------------------#
            #   loc会reshape到batch_size, num_anchors, 4
            #   conf会reshap到batch_size, num_anchors, self.num_classes
            #-------------------------------------------------------------#     
            output = (
                loc.view(loc.size(0), -1, 4),
                conf.view(conf.size(0), -1, self.num_classes),
            )
            return output

### 3、预测结果的解码 ###

利用SSD的主干网络我们可以获得六个有效特征层，分别是：

通过对每一个特征层的处理，我们可以获得每个特征层对应的两个内容，分别是：

我们利用 **num\_anchors x 4的卷积** 对 **每一个有效特征层对应的先验框** 进行调整获得 **预测框**。

在这里我们简单了解一下每个特征层到底做了什么：  
每一个有效特征层将整个图片分成与其**长宽对应的网格**，**如conv4-3的特征层就是将整个图像分成38x38个网格；然后从每个网格中心建立多个先验框，对于conv4-3的特征层来说，它的每个特征点分别建立了4个先验框；**

因此，对于conv4-3整个特征层来讲，**整个图片被分成38x38个网格，每个网格中心对应4个先验框，一共建立了38x38x4个，5776个先验框**。这些框**密密麻麻的遍布在整个图片上**。**网络的预测结果会对这些框进行调整获得预测框。**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]  
先验框虽然可以代表一定的**框的位置信息与框的大小信息**，但是其是有限的，无法表示任意情况，因此还需要调整，ssd利用**num\_anchors x 4的卷积**的结果对先验框进行调整。

**num\_anchors x 4中的num\_anchors表示了这个网格点所包含的先验框数量，其中的4表示了x\_offset、y\_offset、h和w的调整情况。**

**x\_offset与y\_offset代表了真实框距离先验框中心的xy轴偏移情况。  
h和w代表了真实框的宽与高相对于先验框的变化情况。**

SSD解码过程可以分为两部分：  
将**每个网格的中心点加上它对应的x\_offset和y\_offset，加完后的结果就是预测框的中心；**  
利用**h和w调整先验框获得预测框的宽和高。**  
此时我们获得了**预测框的中心和预测框的宽高**，已经可以在图片上**绘制预测框**了。

想要获得**最终的预测结果**，还要对**每一个预测框**进行**得分排序**与**非极大抑制筛选**。  
这一部分基本上是所有目标检测通用的部分。  
1、取出**每一类得分大于self.obj\_threshold的框和得分**。  
2、利用**框的位置和得分**进行非极大抑制。  
实现代码如下：

import numpy as np
    import torch
    from torch import nn
    from torchvision.ops import nms
    
    
    class BBoxUtility(object):
        def __init__(self, num_classes):
            self.num_classes    = num_classes
    
        def ssd_correct_boxes(self, box_xy, box_wh, input_shape, image_shape, letterbox_image):
            #-----------------------------------------------------------------#
            #   把y轴放前面是因为方便预测框和图像的宽高进行相乘
            #-----------------------------------------------------------------#
            box_yx = box_xy[..., ::-1]
            box_hw = box_wh[..., ::-1]
            input_shape = np.array(input_shape)
            image_shape = np.array(image_shape)
    
            if letterbox_image:
                #-----------------------------------------------------------------#
                #   这里求出来的offset是图像有效区域相对于图像左上角的偏移情况
                #   new_shape指的是宽高缩放情况
                #-----------------------------------------------------------------#
                new_shape = np.round(image_shape * np.min(input_shape/image_shape))
                offset  = (input_shape - new_shape)/2./input_shape
                scale   = input_shape/new_shape
    
                box_yx  = (box_yx - offset) * scale
                box_hw *= scale
    
            box_mins    = box_yx - (box_hw / 2.)
            box_maxes   = box_yx + (box_hw / 2.)
            boxes  = np.concatenate([box_mins[..., 0:1], box_mins[..., 1:2], box_maxes[..., 0:1], box_maxes[..., 1:2]], axis=-1)
            boxes *= np.concatenate([image_shape, image_shape], axis=-1)
            return boxes
    
        def decode_boxes(self, mbox_loc, anchors, variances):
            # 获得先验框的宽与高
            anchor_width     = anchors[:, 2] - anchors[:, 0]
            anchor_height    = anchors[:, 3] - anchors[:, 1]
            # 获得先验框的中心点
            anchor_center_x  = 0.5 * (anchors[:, 2] + anchors[:, 0])
            anchor_center_y  = 0.5 * (anchors[:, 3] + anchors[:, 1])
    
            # 真实框距离先验框中心的xy轴偏移情况
            decode_bbox_center_x = mbox_loc[:, 0] * anchor_width * variances[0]
            decode_bbox_center_x += anchor_center_x
            decode_bbox_center_y = mbox_loc[:, 1] * anchor_height * variances[0]
            decode_bbox_center_y += anchor_center_y
            
            # 真实框的宽与高的求取
            decode_bbox_width   = torch.exp(mbox_loc[:, 2] * variances[1])
            decode_bbox_width   *= anchor_width
            decode_bbox_height  = torch.exp(mbox_loc[:, 3] * variances[1])
            decode_bbox_height  *= anchor_height
    
            # 获取真实框的左上角与右下角
            decode_bbox_xmin = decode_bbox_center_x - 0.5 * decode_bbox_width
            decode_bbox_ymin = decode_bbox_center_y - 0.5 * decode_bbox_height
            decode_bbox_xmax = decode_bbox_center_x + 0.5 * decode_bbox_width
            decode_bbox_ymax = decode_bbox_center_y + 0.5 * decode_bbox_height
    
            # 真实框的左上角与右下角进行堆叠
            decode_bbox = torch.cat((decode_bbox_xmin[:, None],
                                          decode_bbox_ymin[:, None],
                                          decode_bbox_xmax[:, None],
                                          decode_bbox_ymax[:, None]), dim=-1)
            # 防止超出0与1
            decode_bbox = torch.min(torch.max(decode_bbox, torch.zeros_like(decode_bbox)), torch.ones_like(decode_bbox))
            return decode_bbox
    
        def decode_box(self, predictions, anchors, image_shape, input_shape, letterbox_image, variances = [0.1, 0.2], nms_iou = 0.3, confidence = 0.5):
            #---------------------------------------------------#
            #   :4是回归预测结果
            #---------------------------------------------------#
            mbox_loc        = predictions[0]
            #---------------------------------------------------#
            #   获得种类的置信度
            #---------------------------------------------------#
            mbox_conf       = nn.Softmax(-1)(predictions[1])
    
            results = []
            #----------------------------------------------------------------------------------------------------------------#
            #   对每一张图片进行处理，由于在predict.py的时候，我们只输入一张图片，所以for i in range(len(mbox_loc))只进行一次
            #----------------------------------------------------------------------------------------------------------------#
            for i in range(len(mbox_loc)):
                results.append([])
                #--------------------------------#
                #   利用回归结果对先验框进行解码
                #--------------------------------#
                decode_bbox = self.decode_boxes(mbox_loc[i], anchors, variances)
    
                for c in range(1, self.num_classes):
                    #--------------------------------#
                    #   取出属于该类的所有框的置信度
                    #   判断是否大于门限
                    #--------------------------------#
                    c_confs     = mbox_conf[i, :, c]
                    c_confs_m   = c_confs > confidence
                    if len(c_confs[c_confs_m]) > 0:
                        #-----------------------------------------#
                        #   取出得分高于confidence的框
                        #-----------------------------------------#
                        boxes_to_process = decode_bbox[c_confs_m]
                        confs_to_process = c_confs[c_confs_m]
    
                        keep = nms(
                            boxes_to_process,
                            confs_to_process,
                            nms_iou
                        )
                        #-----------------------------------------#
                        #   取出在非极大抑制中效果较好的内容
                        #-----------------------------------------#
                        good_boxes  = boxes_to_process[keep]
                        confs       = confs_to_process[keep][:, None]
                        labels      = (c - 1) * torch.ones((len(keep), 1)).cuda() if confs.is_cuda else torch.ones((len(keep), 1))
                        #-----------------------------------------#
                        #   将label、置信度、框的位置进行堆叠。
                        #-----------------------------------------#
                        c_pred      = torch.cat((good_boxes, labels, confs), dim=1).cpu().numpy()
                        # 添加进result里
                        results[-1].extend(c_pred)
    
                if len(results[-1]) > 0:
                    results[-1] = np.array(results[-1])
                    box_xy, box_wh = (results[-1][:, 0:2] + results[-1][:, 2:4])/2, results[-1][:, 2:4] - results[-1][:, 0:2]
                    results[-1][:, :4] = self.ssd_correct_boxes(box_xy, box_wh, input_shape, image_shape, letterbox_image)
    
            return results

### 4、在原图上进行绘制 ###

通过第三步，我们可以获得预测框在原图上的位置，而且这些预测框都是经过筛选的。这些筛选后的框可以直接绘制在图片上，就可以获得结果了。

## 二、训练部分 ##

### 1、真实框的处理 ###

真实框的处理可以分为两个部分，分别是：

*  找到**真实框对应的先验框**；
 *  **对真实框进行编码。**

#### a、找到真实框对应的先验框 ####

在这一步中，我们需要找到真实框所对应的先验框，代表**这个真实框由某个先验框进行预测。**

我们首先需要将**每一个的真实框和所有的先验框进行一个iou计算**，这一步做的工作是计算**每一个真实框和所有的先验框的重合程度。**

在获得**每一个真实框和所有的先验框的重合程度**之后，选出和**每一个真实框重合程度大于一定门限的先验框**。代表**这个真实框由这些先验框负责预测。**

**由于一个先验框只能负责一个真实框的预测，所以如果某个先验框和多个真实框的重合度较大，那么这个先验框只负责与其iou最大的真实框的预测。**

在这一步后，我们可以找到**每一个先验框所负责预测的真实框**，在下一步中，我们需要根据**这些真实框和先验框获得网络的预测结果。**

实现代码如下：

def iou(self, box):
        #---------------------------------------------#
        #   计算出每个真实框与所有的先验框的iou
        #   判断真实框与先验框的重合情况
        #---------------------------------------------#
        inter_upleft    = np.maximum(self.anchors[:, :2], box[:2])
        inter_botright  = np.minimum(self.anchors[:, 2:4], box[2:])
    
        inter_wh    = inter_botright - inter_upleft
        inter_wh    = np.maximum(inter_wh, 0)
        inter       = inter_wh[:, 0] * inter_wh[:, 1]
        #---------------------------------------------# 
        #   真实框的面积
        #---------------------------------------------#
        area_true = (box[2] - box[0]) * (box[3] - box[1])
        #---------------------------------------------#
        #   先验框的面积
        #---------------------------------------------#
        area_gt = (self.anchors[:, 2] - self.anchors[:, 0])*(self.anchors[:, 3] - self.anchors[:, 1])
        #---------------------------------------------#
        #   计算iou
        #---------------------------------------------#
        union = area_true + area_gt - inter
    
        iou = inter / union
        return iou
    
    def encode_box(self, box, return_iou=True, variances = [0.1, 0.1, 0.2, 0.2]):
        #---------------------------------------------#
        #   计算当前真实框和先验框的重合情况
        #   iou [self.num_anchors]
        #   encoded_box [self.num_anchors, 5]
        #---------------------------------------------#
        iou = self.iou(box)
        encoded_box = np.zeros((self.num_anchors, 4 + return_iou))
        
        #---------------------------------------------#
        #   找到每一个真实框，重合程度较高的先验框
        #   真实框可以由这个先验框来负责预测
        #---------------------------------------------#
        assign_mask = iou > self.overlap_threshold
    
        #---------------------------------------------#
        #   如果没有一个先验框重合度大于self.overlap_threshold
        #   则选择重合度最大的为正样本
        #---------------------------------------------#
        if not assign_mask.any():
            assign_mask[iou.argmax()] = True
        
        #---------------------------------------------#
        #   利用iou进行赋值 
        #---------------------------------------------#
        if return_iou:
            encoded_box[:, -1][assign_mask] = iou[assign_mask]
        
        #---------------------------------------------#
        #   找到对应的先验框
        #---------------------------------------------#
        assigned_anchors = self.anchors[assign_mask]

#### b、真实框的编码 ####

利用SSD的主干网络我们可以获得六个有效特征层，分别是：

通过对每一个特征层的处理，我们可以获得每个特征层对应的三个内容，分别是：

*  **num\_anchors x 4的卷积** 用于预测 **该特征层上** **每一个网格点上 每一个先验框**的变化情况。\*\*
 *  **num\_anchors x num\_classes的卷积** 用于预测 **该特征层上** **每一个网格点上** **每一个预测**对应的种类。
 *  **每一个特征层**的**每一个特征点**上对应的**若干个先验框**。

因此，**我们直接利用ssd网络预测到的结果，并不是预测框在图片上的真实位置，需要解码才能得到真实位置。**

所以在训练的时候，如果**我们需要计算loss函数，这个loss函数是相对于ssd网络的预测结果的**。因此我们需要**对真实框的信息**进行处理，**使得它的结构和预测结果的格式是一样的**，这样的**一个过程我们称之为编码（encode）**。用一句话概括**编码的过程**就是将**真实框的位置信息格式转化为ssd预测结果的格式信息**。

也就是，我们需要找到 **每一张用于训练的图片**的**每一个真实框对应的先验框**，并求出**如果想要得到这样一个真实框，我们的预测结果应该是怎么样的。**

**从预测结果获得真实框的过程被称作解码，而从真实框获得预测结果的过程就是编码的过程**。因此我们只需要将**解码过程逆过来就是编码过程了。**

因此我们可以利用真实框和先验框进行编码，获得该特征点对应的该先验框应该有的预测结果。预测结果分为两个，分别是：

*  **num\_anchors x 4的卷积**
 *  **num\_anchors x num\_classes的卷积**

**前者对应先验框的调整参数，后者对应先验框的种类，这个都可以通过先验框对应的真实框获得。**

实现代码如下：

#---------------------------------------------#
    #   逆向编码，将真实框转化为ssd预测结果的格式
    #   先计算真实框的中心与长宽
    #---------------------------------------------#
    box_center  = 0.5 * (box[:2] + box[2:])
    box_wh      = box[2:] - box[:2]
    #---------------------------------------------#
    #   再计算重合度较高的先验框的中心与长宽
    #---------------------------------------------#
    assigned_anchors_center = (assigned_anchors[:, 0:2] + assigned_anchors[:, 2:4]) * 0.5
    assigned_anchors_wh     = (assigned_anchors[:, 2:4] - assigned_anchors[:, 0:2])
    
    #------------------------------------------------#
    #   逆向求取ssd应该有的预测结果
    #   先求取中心的预测结果，再求取宽高的预测结果
    #   存在改变数量级的参数，默认为[0.1,0.1,0.2,0.2]
    #------------------------------------------------#
    encoded_box[:, :2][assign_mask] = box_center - assigned_anchors_center
    encoded_box[:, :2][assign_mask] /= assigned_anchors_wh
    encoded_box[:, :2][assign_mask] /= np.array(variances)[:2]
    
    encoded_box[:, 2:4][assign_mask] = np.log(box_wh / assigned_anchors_wh)
    encoded_box[:, 2:4][assign_mask] /= np.array(variances)[2:4]
    return encoded_box.ravel()

### 2、利用处理完的真实框与对应图片的预测结果计算loss ###

loss的计算分为三个部分：  
1、获取所有正标签的框的预测结果的回归loss。  
2、获取所有正标签的种类的预测结果的交叉熵loss。  
3、获取一定负标签的种类的预测结果的交叉熵loss。

由于在ssd的训练过程中，**正负样本极其不平衡，即 存在对应真实框的先验框可能只有若干个，但是不存在对应真实框的负样本却有几千个，这就会导致负样本的loss值极大**，因此**我们可以考虑减少负样本的选取，对于ssd的训练来讲，常见的情况是取三倍正样本数量的负样本用于训练**。这个三倍呢，也可以修改，调整成自己喜欢的数字。

实现代码如下：

import torch
    import torch.nn as nn
    import torch.nn.functional as F
    
    class MultiboxLoss(nn.Module):
        def __init__(self, num_classes, alpha=1.0, neg_pos_ratio=3.0,
                     background_label_id=0, negatives_for_hard=100.0):
            self.num_classes = num_classes
            self.alpha = alpha
            self.neg_pos_ratio = neg_pos_ratio
            if background_label_id != 0:
                raise Exception('Only 0 as background label id is supported')
            self.background_label_id = background_label_id
            self.negatives_for_hard = negatives_for_hard
    
        def _l1_smooth_loss(self, y_true, y_pred):
            abs_loss = torch.abs(y_true - y_pred)
            sq_loss = 0.5 * (y_true - y_pred)**2
            l1_loss = torch.where(abs_loss < 1.0, sq_loss, abs_loss - 0.5)
            return torch.sum(l1_loss, -1)
    
        def _softmax_loss(self, y_true, y_pred):
            y_pred = torch.clamp(y_pred, min = 1e-7)
            softmax_loss = -torch.sum(y_true * torch.log(y_pred),
                                          axis=-1)
            return softmax_loss
    
        def forward(self, y_true, y_pred):
            # --------------------------------------------- #
            #   y_true batch_size, 8732, 4 + self.num_classes + 1
            #   y_pred batch_size, 8732, 4 + self.num_classes
            # --------------------------------------------- #
            num_boxes       = y_true.size()[1]
            y_pred          = torch.cat([y_pred[0], nn.Softmax(-1)(y_pred[1])], dim = -1)
    
            # --------------------------------------------- #
            #   分类的loss
            #   batch_size,8732,21 -> batch_size,8732
            # --------------------------------------------- #
            conf_loss = self._softmax_loss(y_true[:, :, 4:-1], y_pred[:, :, 4:])
            
            # --------------------------------------------- #
            #   框的位置的loss
            #   batch_size,8732,4 -> batch_size,8732
            # --------------------------------------------- #
            loc_loss = self._l1_smooth_loss(y_true[:, :, :4],
                                            y_pred[:, :, :4])
    
            # --------------------------------------------- #
            #   获取所有的正标签的loss
            # --------------------------------------------- #
            pos_loc_loss = torch.sum(loc_loss * y_true[:, :, -1],
                                         axis=1)
            pos_conf_loss = torch.sum(conf_loss * y_true[:, :, -1],
                                          axis=1)
    
            # --------------------------------------------- #
            #   每一张图的正样本的个数
            #   num_pos     [batch_size,]
            # --------------------------------------------- #
            num_pos = torch.sum(y_true[:, :, -1], axis=-1)
    
            # --------------------------------------------- #
            #   每一张图的负样本的个数
            #   num_neg     [batch_size,]
            # --------------------------------------------- #
            num_neg = torch.min(self.neg_pos_ratio * num_pos, num_boxes - num_pos)
            # 找到了哪些值是大于0的
            pos_num_neg_mask = num_neg > 0
            # --------------------------------------------- #
            #   如果所有的图，正样本的数量均为0
            #   那么则默认选取100个先验框作为负样本
            # --------------------------------------------- #
            has_min = torch.sum(pos_num_neg_mask)
            
            # --------------------------------------------- #
            #   从这里往后，与视频中看到的代码有些许不同。
            #   由于以前的负样本选取方式存在一些问题，
            #   我对该部分代码进行重构。
            #   求整个batch应该的负样本数量总和
            # --------------------------------------------- #
            num_neg_batch = torch.sum(num_neg) if has_min > 0 else self.negatives_for_hard
    
            # --------------------------------------------- #
            #   对预测结果进行判断，如果该先验框没有包含物体
            #   那么它的不属于背景的预测概率过大的话
            #   就是难分类样本
            # --------------------------------------------- #
            confs_start = 4 + self.background_label_id + 1
            confs_end   = confs_start + self.num_classes - 1
    
            # --------------------------------------------- #
            #   batch_size,8732
            #   把不是背景的概率求和，求和后的概率越大
            #   代表越难分类。
            # --------------------------------------------- #
            max_confs = torch.sum(y_pred[:, :, confs_start:confs_end], dim=2)
    
            # --------------------------------------------------- #
            #   只有没有包含物体的先验框才得到保留
            #   我们在整个batch里面选取最难分类的num_neg_batch个
            #   先验框作为负样本。
            # --------------------------------------------------- #
            max_confs   = (max_confs * (1 - y_true[:, :, -1])).view([-1])
    
            _, indices  = torch.topk(max_confs, k = int(num_neg_batch.cpu().numpy().tolist()))
    
            neg_conf_loss = torch.gather(conf_loss.view([-1]), 0, indices)
    
            # 进行归一化
            num_pos     = torch.where(num_pos != 0, num_pos, torch.ones_like(num_pos))
            total_loss  = torch.sum(pos_conf_loss) + torch.sum(neg_conf_loss) + torch.sum(self.alpha * pos_loc_loss)
            total_loss  = total_loss / torch.sum(num_pos)
            return total_loss

# 训练自己的SSD模型 #

**首先前往Github下载对应的仓库，下载完后利用解压软件解压，之后用编程软件打开文件夹。  
注意打开的根目录必须正确，否则相对目录不正确的情况下，代码将无法运行。**  
一定要注意打开后的根目录是文件存放的目录。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_9_color_FFFFFF_t_70_g_se_x_16_pic_center]

## 一、数据集的准备 ##

**本文使用VOC格式进行训练，训练前需要自己制作好数据集，如果没有自己的数据集，可以通过Github连接下载VOC12+07的数据集尝试下。**  
训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]  
训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]  
此时数据集的摆放已经结束。

## 二、数据集的处理 ##

在完成数据集的摆放之后，我们需要对数据集进行下一步的处理，目的是获得训练用的2007\_train.txt以及2007\_val.txt，需要用到根目录下的voc\_annotation.py。

voc\_annotation.py里面有一些参数需要设置。  
分别是annotation\_mode、classes\_path、trainval\_percent、train\_percent、VOCdevkit\_path，第一次训练可以仅修改classes\_path

'''
    annotation_mode用于指定该文件运行时计算的内容
    annotation_mode为0代表整个标签处理过程，包括获得VOCdevkit/VOC2007/ImageSets里面的txt以及训练用的2007_train.txt、2007_val.txt
    annotation_mode为1代表获得VOCdevkit/VOC2007/ImageSets里面的txt
    annotation_mode为2代表获得训练用的2007_train.txt、2007_val.txt
    '''
    annotation_mode     = 0
    '''
    必须要修改，用于生成2007_train.txt、2007_val.txt的目标信息
    与训练和预测所用的classes_path一致即可
    如果生成的2007_train.txt里面没有目标信息
    那么就是因为classes没有设定正确
    仅在annotation_mode为0和2的时候有效
    '''
    classes_path        = 'model_data/voc_classes.txt'
    '''
    trainval_percent用于指定(训练集+验证集)与测试集的比例，默认情况下 (训练集+验证集):测试集 = 9:1
    train_percent用于指定(训练集+验证集)中训练集与验证集的比例，默认情况下 训练集:验证集 = 9:1
    仅在annotation_mode为0和1的时候有效
    '''
    trainval_percent    = 0.9
    train_percent       = 0.9
    '''
    指向VOC数据集所在的文件夹
    默认指向根目录下的VOC数据集
    '''
    VOCdevkit_path  = 'VOCdevkit'

classes\_path用于指向检测类别所对应的txt，以voc数据集为例，我们用的txt为：  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]

训练自己的数据集时，可以自己建立一个cls\_classes.txt，里面写自己所需要区分的类别。

## 三、开始网络训练 ##

**通过voc\_annotation.py我们已经生成了2007\_train.txt以及2007\_val.txt，此时我们可以开始训练了。  
训练的参数较多，大家可以在下载库后仔细看注释，其中最重要的部分依然是train.py里的classes\_path。**

**classes\_path用于指向检测类别所对应的txt，这个txt和voc\_annotation.py里面的txt一样！训练自己的数据集必须要修改！**  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]

修改完classes\_path后就可以运行train.py开始训练了，在训练多个epoch后，权值会生成在logs文件夹中。  
其它参数的作用如下：

#-------------------------------#
    #   是否使用Cuda
    #   没有GPU可以设置成False
    #-------------------------------#
    Cuda = True
    #--------------------------------------------------------#
    #   训练前一定要修改classes_path，使其对应自己的数据集
    #--------------------------------------------------------#
    classes_path    = 'model_data/voc_classes.txt'
    #----------------------------------------------------------------------------------------------------------------------------#
    #   权值文件请看README，百度网盘下载。数据的预训练权重对不同数据集是通用的，因为特征是通用的。
    #   预训练权重对于99%的情况都必须要用，不用的话权值太过随机，特征提取效果不明显，网络训练的结果也不会好。
    #
    #   如果想要断点续练就将model_path设置成logs文件夹下已经训练的权值文件。 
    #   当model_path = ''的时候不加载整个模型的权值。
    #
    #   此处使用的是整个模型的权重，因此是在train.py进行加载的，下面的pretrain不影响此处的权值加载。
    #   如果想要让模型从主干的预训练权值开始训练，则设置model_path = ''，下面的pretrain = True，此时仅加载主干。
    #   如果想要让模型从0开始训练，则设置model_path = ''，下面的pretrain = Fasle，Freeze_Train = Fasle，此时从0开始训练，且没有冻结主干的过程。
    #   一般来讲，从0开始训练效果会很差，因为权值太过随机，特征提取效果不明显。
    #----------------------------------------------------------------------------------------------------------------------------#
    model_path      = 'model_data/ssd_weights.pth'
    #------------------------------------------------------#
    #   输入的shape大小
    #------------------------------------------------------#
    input_shape     = [300, 300]
    #--------------------------------------------#
    #   vgg或者mobilenetv2
    #---------------------------------------------#
    backbone        = "vgg"
    #----------------------------------------------------------------------------------------------------------------------------#
    #   是否使用主干网络的预训练权重，此处使用的是主干的权重，因此是在模型构建的时候进行加载的。
    #   如果设置了model_path，则主干的权值无需加载，pretrained的值无意义。
    #   如果不设置model_path，pretrained = True，此时仅加载主干开始训练。
    #   如果不设置model_path，pretrained = False，Freeze_Train = Fasle，此时从0开始训练，且没有冻结主干的过程。
    #----------------------------------------------------------------------------------------------------------------------------#
    pretrained      = False
    #----------------------------------------------------#
    #   可用于设定先验框的大小，默认的anchors_size
    #   是根据voc数据集设定的，大多数情况下都是通用的！
    #   如果想要检测小物体，可以修改anchors_size
    #   一般调小浅层先验框的大小就行了！因为浅层负责小物体检测！
    #   比如anchors_size = [21, 45, 99, 153, 207, 261, 315]
    #----------------------------------------------------#
    anchors_size    = [30, 60, 111, 162, 213, 264, 315]
    
    #----------------------------------------------------#
    #   训练分为两个阶段，分别是冻结阶段和解冻阶段。
    #   显存不足与数据集大小无关，提示显存不足请调小batch_size。
    #   受到BatchNorm层影响，batch_size最小为2，不能为1。
    #----------------------------------------------------#
    #----------------------------------------------------#
    #   冻结阶段训练参数
    #   此时模型的主干被冻结了，特征提取网络不发生改变
    #   占用的显存较小，仅对网络进行微调
    #----------------------------------------------------#
    Init_Epoch          = 0
    Freeze_Epoch        = 50
    Freeze_batch_size   = 16
    Freeze_lr           = 5e-4
    #----------------------------------------------------#
    #   解冻阶段训练参数
    #   此时模型的主干不被冻结了，特征提取网络会发生改变
    #   占用的显存较大，网络所有的参数都会发生改变
    #----------------------------------------------------#
    UnFreeze_Epoch      = 100
    Unfreeze_batch_size = 8
    Unfreeze_lr         = 1e-4
    #------------------------------------------------------#
    #   是否进行冻结训练，默认先冻结主干训练后解冻训练。
    #------------------------------------------------------#
    Freeze_Train        = True
    #------------------------------------------------------#
    #   用于设置是否使用多线程读取数据
    #   开启后会加快数据读取速度，但是会占用更多内存
    #   内存较小的电脑可以设置为2或者0  
    #------------------------------------------------------#
    num_workers         = 4
    #----------------------------------------------------#
    #   获得图片路径和标签
    #----------------------------------------------------#
    train_annotation_path   = '2007_train.txt'
    val_annotation_path     = '2007_val.txt'

## 四、训练结果预测 ##

训练结果预测需要用到两个文件，分别是yolo.py和predict.py。  
我们首先需要去yolo.py里面修改model\_path以及classes\_path，这两个参数必须要修改。

**model\_path指向训练好的权值文件，在logs文件夹里。  
classes\_path指向检测类别所对应的txt。**  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_19_color_FFFFFF_t_70_g_se_x_16_pic_center]  
完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。

[20190723165901974.jpg_pic_center]: /images/20230528/1ebc7403068743798760c5379b079ba1.png
[https_github.com_bubbliiiing_ssd-pytorch]: https://github.com/bubbliiiing/ssd-pytorch
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70]: /images/20230528/bac2d805e0f042a3974a619f2dab004b.png
[https_blog.csdn.net_weixin_44791964_article_details_102779878]: https://blog.csdn.net/weixin_44791964/article/details/102779878
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70 1]: /images/20230528/246dac514a6a4fd68eabfb419b048635.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]: /images/20230528/0871857d23424e7d8cccc902389f925b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230528/1318de7bb34049a4bcdcc2fefbe01384.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_9_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20230528/3237632313e74fe1ae32a7031e3a3a2e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20230528/a8e1176035c6482ab4d84fd8a5851874.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20230528/b37b780d2c46452daa48877157e6a245.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20230528/8ee727d0a906453faf619933b1842ff8.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center 1]: /images/20230528/fa2f32e0114a4a10986c8f55c7c76c05.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAQnViYmxpaWlpbmc_size_19_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20230528/0aa2bc04c91f4d0f9f752304222e3be0.png