DSSD : Deconvolutional Single Shot Detector 论文笔记

前言

SSD使用较浅的层来预测小目标，用较深的层来预测大目标，这样虽然能够实现多尺度目标检测，但由于浅层的特征图语义信息不够强，缺乏高层的语义特征，因此SSD对小目标的检测效果很差。这样来看的话，如果我们要提升检测精度，要么使用更好的特征网络 以提取判别性更强的特征，要么增加上下文信息，也就是将高层语义特征融入浅层特征图中，这对于检测小目标是很重要的。

本文最重要的贡献是，将上下文信息引入目标检测中。将SSD的基础网络从VGG换成ResNet-101，以更好地提取特征；同时利用反卷积层（deconvolution layer）引入上下文信息，使得浅层特征图能有更好的表示能力，从而提升小目标的检测精度。作者认为反卷积中的前馈连接模块和新的输出模块是最重要的部分。

---

DSSD模型

下图对比了SSD和DSSD在ResNet上的网络结构，图中蓝色的层是SSD中添加在基础网络后的卷积层，称为SSD层，红色的层是DSSD层。

1. 用ResNet-101代替VGG

上图的上半部分中，SSD使用ResNet-101作为基础网络，可以看到是在conv5_x之后添加卷积层，然后利用conv3_x，conv5_x和其它的卷积层来进行预测。但是仅这样修改并不能提升检测结果，如下表所示，第一行显示SSD以ResMet-101作为基础网络时，当输入图像为 321 ×