前言

Tensorflow 推出的 Object Detection API是一套抽象程度極高的目標檢測框架，可以快速用於生產部署。但網絡上大多數相關的中英文文章均只局限於應用層面的分析，對於該套框架的算法實現源碼沒有針對性的分析文章。對於選擇tensorflow作為入門框架的深度學習新手，不僅應註重於算法本身的理解，更應註重算法的編碼實現。本人也是剛入門深度學習的新手，深深困擾於tensorflow 目標檢測框架的抽象代碼，因此花費了大量時間分析源碼，希望能對博友有益，同時受限於眼界，文章中必然存在有錯誤或不得其義的理解，歡迎各人指正。

算法簡介

Object Detection API實現了多種目標檢測算法，包括faster-rcnn, rfcn, ssd, mask-rcnn等。本文針對於ssd算法的具體算法進行分析。其他算法可相應進行分析。
對ssd論文及算法實現分析較好的文章有：

1. [http://www.cnblogs.com/xuanyuyt/p/7222867.html#_label0]
2. [https://zhuanlan.zhihu.com/p/24954433]

#tensorflow object detection api 源碼分析