在做目标检测，训练数据集的时候，可以先看前段时间的一篇基础文章：
计算机视觉之目标检测(object detection)《1》https://blog.csdn.net/weixin_41896770/article/details/128062645先熟悉一些基本知识，如：锚框，预测框，类别，偏移量之类的，然后再回到本节，可能会更好点，这里我们使用皮卡丘的数据集来训练目标检测。

训练之前我们先来看下多尺度生成锚框，还是使用上一次的猫狗图片，高宽分别是596像素和605像素。

需要知道什么是特征图：有兴趣的可以查阅：MXNet卷积神经网络对图像边缘的检测

定义：二维卷积层输出的二维数组可以看做输入在空间维度（宽和高）上某一级的表征，这个就是特征图（feature map）。这句话是什么意思呢，就是说卷积运算之后的输出，我们反过来看，其中的一个元素对应着输入中的一块区域是吧，假设多加几层卷积层，输出的数组中的一个元素，对应输入中的区域会变大，也就是说单个元素的感受野变得更加广阔，这样更能捕捉到更大尺寸的特征。（这段需要好好想想，上面的图像边缘检测，可以让你更明白）

 代码如下：

import d2lzh as d2l
from mxnet import contrib, gluon, image, nd
import numpy as np

d2l.set_figsize()
img = image.imread('dogcat.png').asnumpy()  # 高、宽、通道数(596, 605, 3)
h, w = img.shape[0:2]

def display_anchors(fmap_w, fmap_h, s):
    '''
    根据特征图的宽高与来生成
    '''
    fmap = nd.zeros((1, 10, fmap_h, fmap_w))  # 前两维的取值不影响输出结果
    # MultiBoxPrior生成锚框(输入、大小、宽高比),生成个数：大小个数+宽高比个数-1
    anchors = contrib.nd.MultiBoxPrior(fmap, sizes=s, ratios=[1, 2, 0.5])
    bbox_scale = nd.array((w, h, w, h))
    d2l.show_bboxes(d2l.plt.imshow(img).axes, anchors[0]*bbox_scale)
# 每个中心点有锚框个数：1+3-1=3，有4行4列，所以总共是3*16=48个锚框
# display_anchors(fmap_w=4,fmap_h=4,s=[0.15])

# 将特征图的高度减半，锚框增大
# display_anchors(fmap_w=4,fmap_h=2,s=[0.4])

# 将特征图的高宽都减半到1，锚框继续增大
display_anchors(fmap_w=1, fmap_h=1, s=[0.8])
d2l.plt.show()

可以看到，特征图变小，覆盖输入图像的面积就越大。既然我们已在多个尺度上生成了不同大小的锚框，相应的就需要在不同尺度下检测不同大小的目标。

皮卡丘数据集检测

这里的数据集使用了MXNet提供的im2rec工具将图像转成了二进制的RecordIO格式，该格式既可以降低数据集在磁盘上的存储开销，又能提高读取效率。其中.rec文件是80多M，虽然不大，但是下载速度很慢，可以手动下载：皮卡丘数据集

import d2lzh as d2l
from mxnet import gluon, image
from mxnet.gluon import utils as gutils
import os

def _download_pikachu(data_dir):
    '''
    下载皮卡丘数据集
    '''
    root_url = ('https://apache-mxnet.s3-accelerate.amazonaws.com/gluon/dataset/pikachu/')
    dataset = {'train.rec': 'e6bcb6ffba1ac04ff8a9b1115e650af56ee969c8',
               'train.idx': 'dcf7318b2602c06428b9988470c731621716c393',
               'val.rec': 'd6c33f799b4d058e82f2cb5bd9a976f69d72d520'}
    for k, v in dataset.items():
        gutils.download(root_url + k, os.path.join(data_dir, k), sha1_hash=v)

# d2l包已有
def load_data_pikachu(batch_size, edge_size=256):
    data_dir = '../data/pikachu'
    #_download_pikachu(data_dir)#这种方式下载很慢，不想手动下载可以去掉注释
    train_iter = image.ImageDetIter(path_imgrec=os.path.join(data_dir, 'train.rec'),
                                    path_imgidx=os.path.join(data_dir, 'train.idx'),
                                    batch_size=batch_size, data_shape=(3, edge_size, edge_size),
                                    shuffle=True, rand_crop=1, min_object_covered=0.95, max_attempts=200)
    val_iter = image.ImageDetIter(path_imgrec=os.path.join(data_dir, 'val.rec'),
                                  batch_size=batch_size, data_shape=(3, edge_size, edge_size), shuffle=False)
    return train_iter, val_iter

batch_size,edge_size=32,256
train_iter,_=load_data_pikachu(batch_size,edge_size)
batch=train_iter.next()
#(批量大小,通道数,高,宽)和(批量大小,边界框个数,(这里长度5，第一个元素是边界框所含目标，-1是填充的非法框，其余4个是对角坐标))
print(batch.data[0].shape,batch.label[0].shape)#(32, 3, 256, 256) (32, 1, 5)

#显示图像
imgs=(batch.data[0][0:10].transpose((0,2,3,1)))/255
axes=d2l.show_images(imgs,2,5).flatten()
for ax,label in zip(axes,batch.label[0][0:10]):
    d2l.show_bboxes(ax,[label[0][1:5]*edge_size],colors=['w'])
d2l.plt.show()