目标检测ssd论文思想解析

SSD论文地址：https://arxiv.org/abs/1512.02325

SSD代码：https://github.com/weiliu89/caffe/tree/ssd

SSD检测模型框架

模型

ssd属于前馈卷积神经网络，通过该网络能够产生一系列边界框以及置信分数，通过极大值抑制获得最终的检测结果，ssd前端采用标准的图像分类网络构成基础网络，后端增加些特征层来进行检测，特征层具有以下几个关键特征：

• 采用多尺度特征图进行检测。

       在基础网络后增加些卷积特征层，这些特征层尺寸逐渐递减，在多个尺度上预测检测结果。

• 采用卷积的方式进行预测。

       采用一系列的卷积滤波器对每一个新增加的特征层或者从基础网络选择的特征层进行卷积产生一系列的预测结果，对于尺寸         为m*n，拥有p通道的特征层，采用3*3*p的卷积核进行卷积，能为每类产生个分数以及相对默认框的偏移量

• 默认框和宽高比

       对于尺度为m*n的特征图的每个单元进行k个默认框的预测，每个单元预测c+4个结果，c表示类别数，4表示偏置的坐标数，那么对于尺度为m*n的特征图可以预测m*n*p*（c+4）的结果。

SSD模型的训练

• 匹配策略

       首先对每个真实目标框与具有最好的jaccard重叠的默认框进行匹配，然后，对于默认框与真实目标的jaccard重叠阈大于0.5         的进行匹配

• 训练目标

       目标损失函数是位置损失和置信度损失的加权和

 

其中N为匹配默认框的数目，如果N为0，则设置损失为0，这位置损失是预测框l和真实框g之间的L1损失，设置为1.

这置信度损失是多类的softmax损失

• 默认框尺度以及纵横比的选择

       假设我们采用m个特征图进行预测，那么每个特征图的默认框的尺度为：

       其中Smin 是0.2，Smax是0.9，我们强加些不同纵横比的默认框，比率为，那么默认框的宽度为，高度为，对于比率为1，额外增加个尺度为的默认框，因此特征图的每个位置有6个默认框，我们设置每个默认框的中心为，其中为特征图大小，

• 负样本的挖掘

        根据上面的匹配策略，大部分默认框属于负样本，这导致了正负训练样本的不平衡性，我们对所有的默认框按照最高的置信          度损失进行排序，挑选排名靠前的默认框，使得正负样本的比例为3：1.

• 数据增强

       为了使模型对输入的各种各样对象尺寸，形状更加鲁棒性，采用以下抽样策略：

1. 使用整个原始输入图
2. 与目标的jaccard重叠率为0.1,0.3,0.7,0.9的图像块
3. 任意抽样的图像块

每个图像块被resize到固定尺寸，水平翻转，图像扭曲等操作

参考网址：https://blog.csdn.net/chenghaoy/article/details/85263060

                 https://blog.csdn.net/danbinbo/article/details/96493173#%E7%BD%91%E7%BB%9C%E7%BB%93%E6%9E%84

参考图：