SSD网络

背景

• 小目标效果差的原因：只对backbone最后一层的feature map进行rpn，最后这个map细节信息丢失严重。
  

SSD模型

步距为2时，padding为1，步距为1的时候，padding为0

与faster-rcnn的区别是把box放在不同的特征层




预测器和fast-rcnn基本类似，在每一个特征层上使用3x3 的卷积核来进行预测，需要ck+4k个卷积核

与fast-rcnn不同，这里是对每个default-box都生成4个边界框回归参数，不区分类别，即4k。
而fast-rcnn是每个achor会针对每个类别都会生成相应的边界框回归参数，即4ck。

• 正样本
  • 对每个gt-box去匹配最大的default-box
  • 对于任意一个default-box，只要它与任意一个gt-box的iou大于0.5
    
• 负样本：
  • 在剩下的所有样本中计算最大confidence loss（这个值越大意味着网络将这个box预测为目标的概率就越大，这是我们应该拒绝的），所以就要选取这些值较大的box作为负样本
  • 正负样本1：3
    
    
    

【参考】
b站：霹雳吧啦Wz