目标检测之SSD

一.预备知识

其实SSD本身的算法并不困难，只是如果没有好的基础最终看起来都像雾里看花看似能懂其实真正的原来还是说不上来，现在知乎的文章讲的已经非常非常详细了，嗯，比论文详细的多，但是个人感觉还是适合基础较好的人看，而对初学者并不友好，因此此处整理这篇文章记录自己的学习加深印象并希望对初学者更加友好，这里首先给出SSD中用到的基础知识，读者可以先读SSD看到相关概念再来看这些知识。

1.边框回归（Bounding Box Regression）

首先这里只讲边框回归是什么，关于它在SSD中的具体用法在下面会给出。




2.IOU(Intersection over Union)


二.SSD原理
SSD采用VGG16作为基础模型，在此基础上主要有如下几个特点：

1.加入基于特征金字塔（Pyramidal Feature Hierarchy）的检测方式。

在上图中可以看到SSD将每次卷积得到的特征图(feature map)都进行检测，而我们知道CNN深层网络一般都会经过每层的卷积(pad=0)和池化(stride>=2)将feature map变得越来越小，这样就可以用小的特征图来检测大的目标，大的特征图来检测小的目标。因为特征图越小相当于将图像压缩的越严重，那么图中本来的小物体就会变得特别小导致无法被识别(这也是YOLO无法识别小目标的原因)，而在大的特征图用大目标一般很大，而先验框(prior box后面会介绍)大小固定，无法完全包含大的目标，因此无法识别，但是小的目标正相反，恰恰可以被很好识别。

2.一次完成目标定位与分类，但是对特征图(feature map)进行卷积来检测目标

SSD继承了YOLO将detection转换成regression的思路，但是与YOLO采用全连接进行检测不同的是SSD将每层卷积后的feature map进行3x3xp的卷积然后进行检测。

3.引入先验框(Prior Box)

SSD借鉴了Faster R-CNN中anchor的理念在得到的feature map中为每个单元设置长宽比不同的先验框，而训练时的预测边界框(bounding boxes)是在先验框为基准的，减少了训练难度，之后通过softmax分类+边界回归(bounding box regression)获得真实目标的位置。




(3).先验框的使用

SSD流程图中卷积后的feature map被3x3xp的卷积核卷积过程分为一下两个卷积过程(class_num:(种类数+1个背景)，prior_num:先验框数目)：

——被3x3x(class_num x prior_num)大小的卷积核卷积生成[class_num*prior_num, layer_height, layer_width]的特征图用于softmax分类

——被3x3x(4 x prior_num)大小的卷积核卷积生成[4 x prior_num, layer_height, layer_width]的特征图用于边框回归。

(4).先验框的匹配

首先确定ground truth相匹配的先验框(prior box)，然后用该先验框对应的bounding box来预测它，匹配原则：

·找到与每个真实框(ground truth)IOU最大的先验框(prior box)，这样保证每个ground truth都有先验框与之对应。

·剩下的先验框若与某个ground truth的IOU大于一个阀值也和该ground truth匹配。如果多个ground truth与某个先验框IOU大于阈值，那么先验框只与IOU最大的那个先验框进行匹配。

·与ground truth匹配的先验框为正样本，先验框没有与任何ground truth进行匹配则是负样本。

三.SSD代价函数

这里根据上面先验框的使用可以看到整个过程的误差分为两部分即：softmax分类误差和边框回归误差，代价函数就是这两个误差的加权平均。



bounding box regression采用Smooth L1 loss:

这篇文章这样就大致把SSD介绍清楚了，但是并不完善，不过写文章太费劲了，改天再补充吧。如果各位同学有兴趣的话，可以关注我们的微信公众号。我们会定期推送最新业界专业知识。

微信扫码关注“AI与机器学习”，获得更多AI内容