论文:Enhancement of SSD by concatenating feature maps for object detection
论文链接:https://arxiv.org/abs/1705.09587
算法详解:
SSD算法在object detection领域的效果有目共睹,是proposal-free方面的代表算法之一,如果你对SSD算法不大熟悉,可以看看这篇博客:SSD(single shot multibox detector)算法及Caffe代码详解,而本文提出的是对传统SSD算法的改进。虽然深度网络的效果会随着feature map数量的增加而更好,但是这并不代表简单地增加feture map数量就能有更好的效果(文章的实验部分有关于简单增加feature map数量和本文对特征的融合效果对比)。另外作者并未将原本的VGG主网络换成ResNet,而是通过改进特征融合方式提升原有SSD算法的效果,使其充分利用特征。虽然速度比传统的SSD慢一点,但是mAP比传统的SSD高。
先来看看文章中关于本文算法的效果:For the Pascal VOC 2007 test set trained with VOC 2007 and VOC 2012 training sets, the proposed network with the input size of 3