【目标检测 深度学习】2.SSD系列算法原理

---

1.SSD系列算法简介

1.1 SSD算法介绍

（1）它是one-stage算法

1. Wei Liu在ECCV2016提出
2. 直接回归目标类别和位置
3. 不同尺度的特征图上进行预测
4. 端到端的训练
5. 图像的分辨率时 比较低也能保证检测的精度

1.1.1框架图

它的框架图如下：

1. 主干网络:VGGNet。上面图中主干网络里只用了5层卷积
2. 多尺度Feature Map预测。指的是在预测的时候会对VGG后面六个不同的尺寸分别进行预测。这六个尺寸分别包括六个feature map，分别作为后面检测层的输入。
3. Default bouding boxes的类别分数、偏移量。将上面六层的每一层进行此操作。每个尺度都会提取anchor box。

2.详细介绍

2.1主干网络介绍

（1）VGG、ResNet、MobileNets等各种卷积神经网络都可以作为主干网络提取特征。
（2）VGG作为输入的时候，最后两个FC改成卷积，并增加4个卷积层

2.2多尺度Feature Map预测：

（1）针对不同层不同尺度的feature map进行预测。在上面图中分别对应了3838，1919，1010,55,33,11,这六种不同尺度的feature map分别作为后续预测网络的输入，不同尺度的网络通常会使用max pooling的方法来进行下采样
（2）Prior box：不同尺寸的feature map会输入到后层的预测网络中，后续网络中会包括Prior box层的提取过程，prior box对应faster rcnn中anchor的概念，在prior box层中，针对于feature map每一个点都会将它作为一个cell,以这个cell为中心，会通过等比的方法找到它在原始图像中的位置，以这个点为中心提取不同尺度的bounding box，这些不同尺度的bounding box即为prior box。对于不同的prior box通过和真值的比较就能拿到它的label。对于每个prior box会预测它的类别概率和坐标（x,y,w,h）。如果有C类，则prior box的输出大小则为C+4, 如果当前feature map大小为mn，即有mn个anchor，如果每个anchor提取k个prior box，则最终的prior box的维度为（c+4）km*n。总结如下：

1. m*n个cell
2. 每个cell上生成固定scale和aspect ratio的box,这是两个超参数
   假设一个feature Map有mc×n个cell，每个cell对应k个default box，每个defaultbox预测C个类别score和4个o则一共有（c+4)×k×m×n个输出。
3. Scale:s_k=S_min+(S_max-S_min)*(K+1)/(m-1),k∈[1,m]。这里表示第k个bouding box的尺