[論文筆記] SSD (未完成)

SSD 設計

Multi-scale feature maps for detection

• 在骨幹後方，加了許多的卷積層
• 使用多種尺度的特徵圖(共6種)，進行預測

Convolutional predictors for detection

• 在前面提到的多種尺度特徵圖，再經過 3x3 卷積運算後，得到該尺度下的檢測輸出

Default boxes and aspect ratios

• 這些 default boxes 與 Faster RCNN 中的 anchor 類似，差別在於 SSD 中的 default box 是按照尺寸被分配至不同尺度中
• 每個尺度特徵圖上的每個網格，都會有 k 個物件預測值 (k 在不同尺度下，數值不同)
• 每個物件預測值，都包含 c 個類別的機率分布，與 4 個位置相關輸出
• 最終在尺寸為 m x n 的特徵圖上，會得到  個輸出值

訓練

Matching Strategy

• 將與 ground-true 物件之 Jaccard overlap 最大的 default box 視為正樣本 (相匹配)
• 將與 ground-true 物件之 Jaccard overlap > 0.5的 default box 視為正樣本 (相匹配)
• 因此一個 gounrd-true 可能對應到多個 default box 負責預測

Training Objective

• 符號
  •  : 第 i 個 default box 與第 j 個 ground true 是否匹配，是的話 1 否則為 0
  • N : 具有匹配的 default box 數量
  •  : confidence loss，使用的是 softmax 損失
  •  : localization loss，使用的是 smooth L1

Choosing Scales and Aspect Ratios for Default Boxes

• 在處理多尺度物件時，許多方法是將圖像縮放至不同尺寸後，在這些尺寸下進行計算，最後合併所有處度的結果
• 如果是透過不同尺度的特徵圖，同樣可以達到類似的效果，而且因為不同尺度的特徵圖是共享計算量的，因此可以節省計算
• SSD 中，按模型輸出時採用的特徵圖尺度數 m ，分配每個特徵圖使用的 default box 尺度 : 

•  符號解釋
  •  : 特徵圖中最小尺度的一個 (論文中為 =0.2)
  •  :  (論文中為 =0.9) 
  •  : default box 長寬比 
  •  : default box 的寬 (透過長寬比與尺度可以計算出)
  • : default box 的高 (透過長寬比與尺度可以計算出)
  •  : 對於長寬比為 1 的 default box，額外增加的一系列尺度 (用來銜接尺度間差異)

Hard Negative Mining

• Two stage 目標檢測方法常見的問題是正負樣本不均 (大量沒有物體的區域所產生)
• 訓練時，只取出最難的一部份負樣本，使正負樣本比例為 1:3
• 困難樣本的判定是將所有負樣本按 confidence loss 降序排列後，頭部的部分
• 這麼做能加速收斂，並且訓練時更穩定