目标检测算法阅读笔记
SSD: Single Shot MultiBox Detector
微信公众号:Deepthinkerr
QQ:2454409598(微信公众号回复不及时,有问题可以QQ联系)
解决的问题
SSD之前的常见目标检测模型在准确率已经达到了很高的水平,但是在速度上略有不足,有些模型在速度上有了较大提升,但是是以牺牲准确率来实现的,两者之间相互矛盾,此消彼长。该paper针对这个问题提出了解决方案,在保持Fater RCNN准确率的前提下,大幅提高模型的速度。
创新点:boxes多尺度
针对feature map的每一个cell,生成多个boxes(类似Faster RCNN的anchor),这里的boxes使用不同scale和aspect ratios,这里的scale在同一个feature map是一样的,但是在不同feature map上是不同的。
创新点:feature map多尺度
传统的Faster RCNN等只对一个feature map进行目标检测,SSD对多个feature map进行目标检测,这样能够在多个分辨率对目标进行检测,提高模型的准确率。
创新点:检测
通过卷积核输出预测的boxes offset以及每个类别的scores,然后Detection对不同feature map的预测进行判断,最后经过NMS输出结果。这里跳过了Faster RCNN的RPN,直接预测offset,大幅减少了模型的运行时间。