SSD检测算法理解
简介
在作者的原论文中提到,SSD算法要比当时优秀的Faster RCNN算法和YOLO算法识别效果更好,识别速度也更快。
在原论文中,作者提到他们团队做的贡献主要有以下几个方面:
- 作者除了提出了优秀算法SSD之外,还指出了SSD算法的核心是在特征图上使用小卷积滤波器,预测固定的一组默认边界框的类别得分和位置偏移量。
- 为了提高检测精度,他们在不同尺寸的特征图上产生出不同尺度的预测,并且通过不同长宽比来明确地区分预测。
- SSD算法的设计实现了简单的端到端的训练,即便输入的是低分辨率的图像,也能够保持识别速度和精度的平衡。
- 在PASCAL VOC,MS COCO和ILSVRC上实验并评估分析不同输入大小下模型的耗时和精度,并与一系列最先进的算法进行比较。
Faster RCNN算法可以说是Two-stage算法的优秀之作,准确率较高但是缺点在于模型大而慢;YOLO算法是One-stage算法的开山之作,识别速度快但是效果不太理想。SSD算法可以说是融合了两家的优点,使用了YOLO的模型思想,同时也引入了Faster-RCNN算法的anchor box原理,所以在性能上可以与两个优秀算法一较高下,甚至比上面的算法还要优秀。
以下是SSD算法的一些检测原理以及检测结果: