[深度学习从入门到女装]SSD

论文地址：SSD: Single Shot MultiBox Detector

 

SSD相对于YOLO的改进

1、anchor

SSD也使用类似Faster R-CNN中的anchor方法，每个feature map的bin会有k个人工设置的anchor，并且不同size的feature map有不同数量和不同scale的anchor，比如上图（b）是8*8的feature map，anchor数量为4，上图（c）是4*4的feature map，anchor数量为4，但是anchor的scale与8*8中的feature map中的anchor不一样

2、使用多尺度feature map进行detection

YOLO只使用了最后一层feature map划分bin然后进行2个anchor的识别与位置计算，SSD提出对于不同layer也就是不同size的feature map都进行anchor的计算

并且进行classifier计算的时候，YOLO中使用的是FC，在SSD中使用的是3*3的不同channel数的卷积

如m*n的feature map，使用p个channel的3*3卷积进行classifier，p=（anchor num*（classes num+4））

 

整个网络图如上所示，上图为SSD，下图为YOLO，YOLO的主体网络结构使用VGG16，并且使用ILSVRC CLS-LOC进行pre-trained

可以看到YOLO是在7*7feature map上进行每个bin有2个anchor的detection，所以是有7*7*2(anchor数)=98次detection

而SSD从不同layer的feature map都进行detection，

conv4_3：38*38的feature map，使用(4*(classes+4))个channel的3*3卷积核进行detect，有38*38*4(anchor数)=5776次detection

conv7：19*19的feature map，使用(6*(classes+4))个channel的3*3卷积核进行detect，有19*19*6(anchor数)=2166次detection

conv8_2：10*10的feature map，使用(6*(classes+4))个channel的3*3卷积核进行detect，有10*10*6(anchor数)=600次detection

conv9_2：5*5的feature map，使用(6*(classes+4))个channel的3*3卷积核进行detect，有5*5*6(anchor数)=150次detection

conv10_2：3*3的feature map，使用(4*(classes+4))个channel的3*3卷积核进行detect，有3*3*4(anchor数)=36次detection

conv11_2：1*1的feature map，使用(4*(classes+4))个channel的3*3卷积核进行detect，有1*1*4(anchor数)=4次detection

所以SSD一共做了5776+2166+600+150+36+4=8732次detection

 

最后依旧是使用Non-Maximum Suppression进行最优框的选择得到最后的检测结果

 

训练过程：

因为SSD是对6层特征图都进行检测，因此数据准备上首先需要将GT和每层特征图的anchor进行匹配