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