textboxes 网络结构详解

1、SSD网络结构

Caffe代码 .prototxt中 ：

SSD的结构为conv1_1，conv1_2，conv2_1，conv2_2，conv3_1，conv3_2，conv3_3，conv4_1，conv4_2，conv4_3，conv5_1，conv5_2，conv5_3（512），（注意这是：textbox++ 中 13 are inherited from VGG-16.）

fc6：3×3×1024的卷积（原来VGG16中的fc6是全连接层，这里变成卷积层，下面的fc7层同理），fc7：1×1×1024的卷积，conv6_1，conv6_2（对应上图的conv8_2），conv7_1,conv7_2,conv8_1,conv8_2,conv9_1，conv9_2，loss。
(注意：由于 fc6、fc7的原因 ，conv6_1到conv9_2 对应到上图的conv8_1 到conv11_2)

然后针对.prototxt中的 conv4_3（4），fc7（6），conv6_2（6 ），conv7_2（6），conv8_2（4），conv9_2（4）的每一个再分别采用两个3*3大小的卷积核进行卷积，这两个卷积核是并列的。
注意这也是：textbox++ 中6层 textbox layers.

2、textboxes 中 网络结构

这是一个28层的全卷积网络。额外的9个卷积层添加在VGG-16层之后（不是 1 中conv6_1到con9_1 共8个卷积层吗？），Text-box层连接着6个卷积层（同1中）。在每一个特征位置，一个text-box预测72维向量，这是文本出现的得分（text presencescores）（2维）和12个default box的偏移（4个offsets）。一个非最大抑制（NMS）用来聚合所有文本盒子（text-boxlayers）层的输出

2.1、关于12个default box

ssd的defaultbox

感谢：

ssd详解

textbox详解