mmdet阅读-paper(SSD)

SSD: Single Shot MultiBox Detector
参考：
https://blog.csdn.net/ytusdc/article/details/86577939
https://arxiv.org/abs/1512.02325
原理：SSD的核心，对于feature map上每一个格子(cell)，生成多个default box，然后利用small convolutional filters 预测盒子偏移量和分类。
创新点：多尺度预测，因为模型感受野不同，小目标放在浅层预测，大目标放在后层预测

Pipeline：

首先用VGG16做特征提取，得到特征feats

for feat, reg_conv, cls_conv in zip(feats, self.reg_convs,
                                            self.cls_convs):
            cls_scores.append(cls_conv(feat))
            bbox_preds.append(reg_conv(feat))
        return cls_scores, bbox_preds

再对backbone的每层特征都做cls和bbox回归，这样便完成forward啦

再谈loss
损失函数分成两部分，一是分类loss，二是定位loss

此处N代表匹配的框的数量，SSD的匹配策略是，不仅仅选择最高score的匹配框作为整理，而且选择了大量IOU大于0.5的框，意图是简化训练难度。对于定位使用的是L1 loss，对于分类使用的是softmax损失


SSD使用到的多尺度训练，在每个尺度上只放同一尺度的anchor，只是比例不一样

难例挖掘：作者发现，在一阶段检测器里，正例会很少，负例很多，那么就对负例进行筛选，使得负例：正例=3：1，会训练的更快

看一下SSD为什么能比Faster RCNN厉害，这是因为它将不同面积(scale)大小anchor放到不同特征图下面去做了，所以Faster RCNN解决多尺度是通过设置不同大小的anchor解决，SSD是通过利用不同尺度的特征图+不同尺度的anchor解决

利用数据增强策略，即随机裁剪，这样就相当于放大了，便可以认识更多物体的特征

Q:SSD为什么能加速？
A:https://blog.csdn.net/ytusdc/article/details/86577939第五章讲的很好