SSD

SSD

特点

• 端对端
  有别于rcnn——>faster rcnn那一套，通过selective search或者比较高级的神经网络rpn来生成图像的候选区域。
  然后本质上就是对这个小区域进行坐标回归和分类计算。
  
  SSD和yolo一样，只需要一步，全卷积操作，最后直接回归坐标和分类就好.

• 融合多尺度信息。yolo论文里面把图像最后输出成7 * 7大小，也就是说把原图像分割成了7 * 7块。万一图像中目标很大，直接占几个大块的面积，按照YOLO的思路只能由其中心块进行分类，势必造成坐标误差。同时，对于比较小的目标，人为的设定图像的分块数，势必造成分块过大，小目标检测困难。SSD的思想借鉴多尺度的概念，7 * 7的图像块太大，它maxpool之前的14 * 14特征图(相当于把图像分割为14 * 14块)作为网络回归输出是不是就更适应于小尺度目标了呢！不够的化，再考虑前一个28 * 28的特征图（相当于把图像分割成28*28更小的块了）
  

• Default Box思想:该思想来源于faster_rcnn(rpn网络）。对于Yolo里面，由块确定是否有目标，对于有目标的块中，对其回归了两个框结果，选择效果好的框做最后输出。SSD模仿fasterrcnn那一套，模拟生成多种长宽比/多种大小尺度的框，用模拟框和图像groud-truth求取iou来确定训练标签，同时利用正例框来进行回归计算。
  

SSD流程

直接先上图：

• SSD输入：M * N
• 基于CNN特征提取，生成feature_map
• 一个尺度下feature_map输出：featureM * featureN * M * (C + 4)
  【M为模拟的default_box数量，C为类别，4为坐标信息】【注意，SSD和faster_rcnn对M稍微有点区别的是，SSD中不同尺度下的feature_map里面M值不同。】
• 综合几个尺度下的输出，NMS得到图像的最佳类别回归框
• 损失函数：原理与YOLO类似