SSD_Realization_TensorFlow:基于开源SSD的重构，简化了代码结构

SSD_Realization_TensorFlow 使用 数据准备 将VOC2012数据解压到文件夹VOC2012中，注意检查下一级目录包含注解文件夹和JPEGImages文件夹。 生成TFR压缩数据 使用jupyter运行tfr_generate.ipynb ，使用TFR格式压缩图片对于提升训练速度大有替代益 训练模型 调用脚本即可 python train_ssd_network.py 测试运行 进入eval目录，运行： python show_ssd_network.py 在该脚本中有设置图片路径的位置，替换为想要检测的图片即可。 实验说明 本工程17w steps后结果（框体过多的可以将NMS阈值偏移）： 损失函数变化情况如下： 简要说明 SSD架构主要有四个部分，网络设计，搜索框设计，学习目标处理，损失函数实现。 网络设计 重点在于正常前向网络中挑选出的特征层分别添加两个卷积