参考：
[1]TensorFlow Object Detection API: basics of detection:
https://becominghuman.ai/tensorflow-object-detection-api-basics-of-detection-7b134d689c75
https://becominghuman.ai/tensorflow-object-detection-api-basics-of-detection-2-2-28b348495eec
resize后的输入图像大小
config文件中的第43-47行，修改参数image_resizer
anchor box
源码在anchor_generators文件夹下，config文件中第31-41行修改参数anchor_generator
- anchor box的ratio设置，可参考SSD的中心对称设置，如2与1/2
loss函数
loss的更改只需在config修改即可，源码对应loss.py中的108行；
==但，为啥默认的分类loss为sigmoid loss，而原文中是softmax？==
hard negtive mining难例挖掘
在所有预测的anchor box中，只有少部分的anchor box是与ground trut匹配的。大部分anchor box与ground truth的重叠比例小于都一定的阈值，因此会有大量的anchor box都是negtive的，这会导致正负样本比例失调；
取未匹配的box中，分类loss从大到到小前k个box的分类loss用于反向传播，以保证正负样本的比例基本固定，这也被叫做online hard-negative mining
原文中设置k值，使得负样本和正样本比例为3:1
源码在loss.py中，config文件中第119行修改参数num_hard_examples
NMS非极大值抑制
config文件中第130-136行修改参数batch_non_max_suppression中的score_threshold，iou_threshold