【论文快读】DSSD

标题：DSSD : Deconvolutional Single Shot Detector
作者：Cheng-Yang Fu, Wei Liu等
链接：https://arxiv.org/abs/1701.06659
摘要：

作者将传统的多层特征检测模型总结为三类：

1. 使用卷积网络的不同层组合得到的feature map进行预测。如：ION、HyperNet等，缺点是时间和空间开销比较大。
2. 由于感受域的不同，可以用浅层预测小物体，用深层预测大物体。如SSD、MS-CNN等，缺点是浅层信息提取不全，对小物体检测效果不好。
3. 不仅仅借助feature map提取出的region，而且根据预先定义好的中心、边界等region进行预测，如Multi-Region CNN。

本文以新的ResNet101为基础搭建SSD，并引入反卷积层作为编码-解码器传递上下文信息，搭建了DSSD，在小物体检测上实现了优异的效果。

基于ResNet-101的SSD

由于ResNet相比于VGG有着更好的分类结果，所以替代VGG是很自然的想法。作者提取conv3、conv5和后面各层的特征进行预测，但是效果和原版SSD类似。

基于解卷积的SSD

为了提取更多的high-level context，作者将SSD中的预测层移到一系列解卷积层后，形成一种“沙漏模型”，并增加了“skip connection”。为了提高运行时速度，同时为了方便由初始化的参数进行训练，解卷积层没有设置得太深。构成了如图的结构：

以下介绍prediction module和deconvolution module。

预测模块（prediction module）

受MS-CNN的启发：

Improving the sub-network of each task can improve accuracy.

即：优化每个任务（大物体预测和小物体预测）的子网络可以提高整体任务（即：检测任务）的精度。所以作者在每个预测层之前都做了Res block处理，具体prediction module的实验方案包括：

实验效果如下：

解卷积模块（deconvolution module）

从架构图中可以看出，解卷积模块是个二进一出的结构，“二进"分别来自SSD层和deconv层，“一出”送向下一deconv层。

求和和求积两种组合方式的实验结果在上节可以看到。

训练

loss、正负样本的选取、类别平衡等方案和SSD类似，不再赘述。

时间复杂度分析

该方案并没有比SSD大幅提升运行速度，总结一下由三个原因：

1. Resnet比VGG拥有更多层
2. 额外的预测模块和解卷积模块很耗时
3. 这里的default box数量远远多于SSD中的。

综上，DSSD比SSD在精度上有有限提升，速度类似，在小物体检测上表现卓著。