深度篇——目标检测史(五) 细说 SSD 目标检测

返回主目录

返回 目标检测史 目录

上一章：深度篇——目标检测史(四) 细说 从 Fast R-CNN 到 Faster R-CNN 目标检测

下一章：深度篇——目标检测史(六) 细说 YOLO-V3目标检测

 

论文地址：《SSD: Single Shot MultiBox Detector》

 

本小节，细说 SSD 目标检测，下一小节细说 YOLO-V3目标检测

 

六. SSD (Single Shot MultiBox Detector, SSD) 单点多盒检测器 目标检测 (2016 年)

1. 2016 年 11 月底发布的 SSD 论文，在目标检测任务的性能和精度方面突破了新记录。mAP (mean Average Precision, mAP) 得分超过了 74%，对于代表数据集 如 pascal VOC 和 COCO 能达到每秒 59 帧 的速度。为了更好的理解 SSD，对这个架构的名称理解：

   (1). Single Shot 单点

       单点，这意味着目标定位和分类任务是在网络的单词转发中完成的。

   (2). MultiBox 多盒

      这是 Szegedy 等人开发的一种 bounding boxes 回归技术的名称。MultiBox 是一种快速的类无关的 bounding boxes 坐标建议方法，在 MultiBox 的工作中使用了 inception-style 的卷积网络。MultiBox 的结构类似如下的结构图形：

      在 MultiBox 的损失函数中包括两个关键的部分：

      ①. confidence_loss：

          这部分衡量网络对计算出的边框为目标的信心程度，即为前景或背景和 c 类的概率 ，使用分类交叉熵计算 loss。与 Faster R-CNN 的 RPN confidence loss 类似。

      ②. location_loss：

           这个指标衡量网络预测的边界与训练数据中真实的边界的误差，使用