SSD(Single Shot MultiBox Detector)笔记

最新推荐文章于 2022-08-25 17:07:09 发布
最新推荐文章于 2022-08-25 17:07:09 发布
阅读量301 收藏
点赞数
分类专栏： deep learning Computer Vison 文章标签： ssd

本文转载文章，目的是方便以后查阅，原文地址http://blog.csdn.net/qq_14845119/article/details/53331581，感谢原创的分享！

该方法出自2016年的一篇ECCV的oral paper，SSD: Single Shot MultiBoxDetector，算是一个革命性的方法了，非常值得学习和研究。


 论文解析：


SSD的特殊之处主要体现在以下3点：

（1）多尺度的特征图检测（Multi-scale），如SSD同时使用了上图所示的8*8的特征图和4*4特征图。

（2）相比于YOLO，作者使用的是卷积层来代替了YOLO的全连接层做预测。（如下图所示）

（3）SSD使用了默认的边界框+（1，2/1，3/1，1/2，1/3）6个框来做检测（aspect ratios）

训练过程提出了Smooth L1 loss+softmax loss，将位置定位的准确度值和得分置信度融合起来，从而使得对目标物的检测和识别都表现出state-of-the-art的效果。

整体损失函数公式如下，第一项为置信度的损失，第二项为位置的损失，N为匹配的默认边框的数目，a为平衡因子，交叉验证的时候取值为1。

位置损失的详细公式如下：



置信度损失的公式如下：


该方法包括SSD300和SSD512，2个尺度的训练模型，SSD300的速度更快，SSD512的检测效果更好。相比与其他方法，优势在于SSD的mAP高于YOLO，faster RCNN，速度虽然弱于YOLO，但是完全满足实时应用。不足之处在于对小物体的检测效果不好。VOC2007上的测试效果如下：


作者github提供的是Linux 的版本，对caffe的源码做了很大的改动，加进了很多的层，像NormalizeLayer，PermuteLayer，FlattenLayer，PriorBoxLayer，ConcatLayer，ReshapeLayer，DetectionOutputLayer等。所以linux的童鞋最好直接下载作者的caffe进行编译。这里就不在赘述。linux下的运行效果如下，


 

训练模型（作者VOC2007&VOC2012数据集）：

1，VGGNet下载，

[plain]  view plain  copy
  1. wget http://cs.unc.edu/~wliu/projects/ParseNet/VGG_ILSVRC_16_layers_fc_reduced.caffemodel  

2，VOC2007，VOC2012数据集下载，并解压

[plain]  view plain  copy
  1. # Download the data.  
  2. cd $HOME/data  
  3. wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar  
  4. wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar  
  5. wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar  
  6. # Extract the data.  
  7. tar -xvf VOCtrainval_11-May-2012.tar  
  8. tar -xvf VOCtrainval_06-Nov-2007.tar  
  9. tar -xvf VOCtest_06-Nov-2007.tar  

3，生成LMDB数据

[plain]  view plain  copy
  1. cd $CAFFE_ROOT  
  2. # Create the trainval.txt, test.txt, and test_name_size.txt in data/VOC0712/  
  3. ./data/VOC0712/create_list.sh  
  4. # You can modify the parameters in create_data.sh if needed.  
  5. # It will create lmdb files for trainval and test with encoded original image:  
  6. #   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_trainval_lmdb  
  7. #   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb  
  8. # and make soft links at examples/VOC0712/  
  9. ./data/VOC0712/create_data.sh  

这里可能会出现一个错误，AttributeError: 'module' object has noattribute 'LabelMap' error，

解决方法，export PYTHON PATH=$CAFFE_ROOT/python:$PYTHONPATH

4，训练，

[plain]  view plain  copy
  1. # It will create model definition files and save snapshot models in:  
  2. #   - $CAFFE_ROOT/models/VGGNet/VOC0712/SSD_300x300/  
  3. # and job file, log file, and the python script in:  
  4. #   - $CAFFE_ROOT/jobs/VGGNet/VOC0712/SSD_300x300/  
  5. # and save temporary evaluation results in:  
  6. #   - $HOME/data/VOCdevkit/results/VOC2007/SSD_300x300/  
  7. # It should reach 72.* mAP at 60k iterations.  
  8. python examples/ssd/ssd_pascal.py  

可能的错误，Check failed: error == cudaSuccess (10 vs. 0)  invalid device ordinal，

解决方法，

[plain]  view plain  copy
  1. vim examples/ssd/ssd_pascal.py  
  2. gg 285  

将，gpus = "0,1,2,3"，改为，gpus = "0"，因为本人只有一块显卡

到此，就可以静静的等待训练结果了。

建议训练配置，内存8G+，显卡8G+，(本人训练内存占用7.8G，显卡占用6.8G)，训练过程大概24个小时（单卡titanx），模型效果和作者提供的模型的效果一样。



训练模型（自己的数据集）：

（1）在/home/data/VOCdevkit/目录下

[plain]  view plain  copy
  1. mkdir VOCmy  
  2. cd VOCmy  
  3. mkdir Annotations Imagesets JPEGImages  
  4. cd Imagesets/  
  5. mkdir Main  

其中，

Annotations 为图片对应的xml信息文件，里面主要存放图像中objects的位置类别等信息

Imagesets中存放Layout，Main，Segmentation三个文件夹选项，这里我们主要使用Main 文件夹，里面用于存放train.txt，train_val.txt，val.txt，test.txt

JPEGImages中存放我们自己的图片

（2）将训练用到的图片都copy到JPEGImages目录下

（3）制作每个图片对应的xml文件，这里提供一个可以将txt信息转化为xml信息的程序，

txt中的信息格式如下：

000001.jpg dog48 240 195 371

000001.jpgperson 8 12 352 498

000003.jpg sofa123 155 215 195

000003.jpg chair239 156 307 205

000002.jpg train139 200 207 301

matlab转化程序如下：

[plain]  view plain  copy
  1. %%  
  2. %该代码可以做voc2007数据集中的xml文件，  
  3. %txt文件每行格式为：000001.jpg dog 48 240 195 371  
  4. %即每行由图片名、目标类型、包围框坐标组成，空格隔开  
  5. %如果一张图片有多个目标，则格式如下：（比如两个目标）  
  6. % 000001.jpg dog 48 240 195 371  
  7. % 000001.jpg person 8 12 352 498  
  8. % 000002.jpg train 139 200 207 301  
  9. % 000003.jpg sofa 123 155 215 195  
  10. % 000003.jpg chair 239 156 307 205  
  11. %包围框坐标为左上角和右下角  
  12. %%  
  13. clc;  
  14. clear;  
  15. %注意修改下面四个变量  
  16. imgpath='img\';%图像存放文件夹  
  17. txtpath='img\output.txt';%txt文件  
  18. xmlpath_new='Annotations/';%修改后的xml保存文件夹  
  19. foldername='VOC2007';%xml的folder字段名  
  20.   
  21.   
  22. fidin=fopen(txtpath,'r');  
  23. lastname='begin';  
  24.   
  25. while ~feof(fidin)  
  26.      tline=fgetl(fidin);  
  27.      str = regexp(tline, ' ','split');  
  28.      filepath=[imgpath,str{1}];  
  29.      img=imread(filepath);  
  30.      [h,w,d]=size(img);  
  31.       imshow(img);  
  32.       rectangle('Position',[str2double(str{3}),str2double(str{4}),str2double(str{5})-str2double(str{3}),str2double(str{6})-str2double(str{4})],'LineWidth',4,'EdgeColor','r');  
  33.       pause(0.1);  
  34.         
  35.         if strcmp(str{1},lastname)%如果文件名相等，只需增加object  
  36.            object_node=Createnode.createElement('object');  
  37.            Root.appendChild(object_node);  
  38.            node=Createnode.createElement('name');  
  39.            node.appendChild(Createnode.createTextNode(sprintf('%s',str{2})));  
  40.            object_node.appendChild(node);  
  41.             
  42.            node=Createnode.createElement('pose');  
  43.            node.appendChild(Createnode.createTextNode(sprintf('%s','Unspecified')));  
  44.            object_node.appendChild(node);  
  45.             
  46.            node=Createnode.createElement('truncated');  
  47.            node.appendChild(Createnode.createTextNode(sprintf('%s','0')));  
  48.            object_node.appendChild(node);  
  49.   
  50.            node=Createnode.createElement('difficult');  
  51.            node.appendChild(Createnode.createTextNode(sprintf('%s','0')));  
  52.            object_node.appendChild(node);  
  53.             
  54.            bndbox_node=Createnode.createElement('bndbox');  
  55.            object_node.appendChild(bndbox_node);  
  56.   
  57.            node=Createnode.createElement('xmin');  
  58.            node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{3}))));  
  59.            bndbox_node.appendChild(node);  
  60.   
  61.            node=Createnode.createElement('ymin');  
  62.            node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{4}))));  
  63.            bndbox_node.appendChild(node);  
  64.   
  65.            node=Createnode.createElement('xmax');  
  66.            node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{5}))));  
  67.            bndbox_node.appendChild(node);  
  68.   
  69.            node=Createnode.createElement('ymax');  
  70.            node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{6}))));  
  71.            bndbox_node.appendChild(node);  
  72.         else %如果文件名不等，则需要新建xml  
  73.            copyfile(filepath, 'JPEGImages');  
  74.             %先保存上一次的xml  
  75.            if exist('Createnode','var')  
  76.               tempname=lastname;  
  77.               tempname=strrep(tempname,'.jpg','.xml');  
  78.               xmlwrite(tempname,Createnode);     
  79.            end  
  80.               
  81.               
  82.             Createnode=com.mathworks.xml.XMLUtils.createDocument('annotation');  
  83.             Root=Createnode.getDocumentElement;%根节点  
  84.             node=Createnode.createElement('folder');  
  85.             node.appendChild(Createnode.createTextNode(sprintf('%s',foldername)));  
  86.             Root.appendChild(node);  
  87.             node=Createnode.createElement('filename');  
  88.             node.appendChild(Createnode.createTextNode(sprintf('%s',str{1})));  
  89.             Root.appendChild(node);  
  90.             source_node=Createnode.createElement('source');  
  91.             Root.appendChild(source_node);  
  92.             node=Createnode.createElement('database');  
  93.             node.appendChild(Createnode.createTextNode(sprintf('The VOC2007 Database')));  
  94.             source_node.appendChild(node);  
  95.             node=Createnode.createElement('annotation');  
  96.             node.appendChild(Createnode.createTextNode(sprintf('PASCAL VOC2007')));  
  97.             source_node.appendChild(node);  
  98.   
  99.            node=Createnode.createElement('image');  
  100.            node.appendChild(Createnode.createTextNode(sprintf('flickr')));  
  101.            source_node.appendChild(node);  
  102.   
  103.            node=Createnode.createElement('flickrid');  
  104.            node.appendChild(Createnode.createTextNode(sprintf('NULL')));  
  105.            source_node.appendChild(node);  
  106.            owner_node=Createnode.createElement('owner');  
  107.            Root.appendChild(owner_node);  
  108.            node=Createnode.createElement('flickrid');  
  109.            node.appendChild(Createnode.createTextNode(sprintf('NULL')));  
  110.            owner_node.appendChild(node);  
  111.   
  112.            node=Createnode.createElement('name');  
  113.            node.appendChild(Createnode.createTextNode(sprintf('watersink')));  
  114.            owner_node.appendChild(node);  
  115.            size_node=Createnode.createElement('size');  
  116.            Root.appendChild(size_node);  
  117.   
  118.           node=Createnode.createElement('width');  
  119.           node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(w))));  
  120.           size_node.appendChild(node);  
  121.   
  122.           node=Createnode.createElement('height');  
  123.           node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(h))));  
  124.           size_node.appendChild(node);  
  125.   
  126.          node=Createnode.createElement('depth');  
  127.          node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(d))));  
  128.          size_node.appendChild(node);  
  129.            
  130.           node=Createnode.createElement('segmented');  
  131.           node.appendChild(Createnode.createTextNode(sprintf('%s','0')));  
  132.           Root.appendChild(node);  
  133.           object_node=Createnode.createElement('object');  
  134.           Root.appendChild(object_node);  
  135.           node=Createnode.createElement('name');  
  136.           node.appendChild(Createnode.createTextNode(sprintf('%s',str{2})));  
  137.           object_node.appendChild(node);  
  138.             
  139.           node=Createnode.createElement('pose');  
  140.           node.appendChild(Createnode.createTextNode(sprintf('%s','Unspecified')));  
  141.           object_node.appendChild(node);  
  142.             
  143.           node=Createnode.createElement('truncated');  
  144.           node.appendChild(Createnode.createTextNode(sprintf('%s','0')));  
  145.           object_node.appendChild(node);  
  146.   
  147.           node=Createnode.createElement('difficult');  
  148.           node.appendChild(Createnode.createTextNode(sprintf('%s','0')));  
  149.           object_node.appendChild(node);  
  150.             
  151.           bndbox_node=Createnode.createElement('bndbox');  
  152.           object_node.appendChild(bndbox_node);  
  153.   
  154.          node=Createnode.createElement('xmin');  
  155.          node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{3}))));  
  156.          bndbox_node.appendChild(node);  
  157.   
  158.          node=Createnode.createElement('ymin');  
  159.          node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{4}))));  
  160.          bndbox_node.appendChild(node);  
  161.   
  162.         node=Createnode.createElement('xmax');  
  163.         node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{5}))));  
  164.         bndbox_node.appendChild(node);  
  165.   
  166.         node=Createnode.createElement('ymax');  
  167.         node.appendChild(Createnode.createTextNode(sprintf('%s',num2str(str{6}))));  
  168.         bndbox_node.appendChild(node);  
  169.          
  170.        lastname=str{1};  
  171.         end  
  172.         %处理最后一行  
  173.         if feof(fidin)  
  174.             tempname=lastname;  
  175.             tempname=strrep(tempname,'.jpg','.xml');  
  176.             xmlwrite(tempname,Createnode);  
  177.         end  
  178. end  
  179. fclose(fidin);  
  180.   
  181. file=dir(pwd);  
  182. for i=1:length(file)  
  183.    if length(file(i).name)>=4 && strcmp(file(i).name(end-3:end),'.xml')  
  184.     fold=fopen(file(i).name,'r');  
  185.     fnew=fopen([xmlpath_new file(i).name],'w');  
  186.     line=1;  
  187.     while ~feof(fold)  
  188.         tline=fgetl(fold);  
  189.         if line==1  
  190.            line=2;  
  191.            continue;  
  192.         end  
  193.         expression = '   ';  
  194.         replace=char(9);  
  195.         newStr=regexprep(tline,expression,replace);  
  196.         fprintf(fnew,'%s\n',newStr);  
  197.     end  
  198.     fprintf('已处理%s\n',file(i).name);  
  199.     fclose(fold);  
  200.     fclose(fnew);  
  201.     delete(file(i).name);  
  202.    end  
  203. end  

转化前后比对效果如下，左面为原始图像，中间为转化后的，右面为原始VOC的，

转化完毕，将其都copy到Annotations目录下

（4）生成Imagesets/Main/，下的train.txt，train_val.txt，val.txt，test.txt，matlab程序如下，

[plain]  view plain  copy
  1. %%  
  2. %该代码根据已生成的xml，制作VOC2007数据集中的trainval.txt;train.txt;test.txt和val.txt  
  3. %trainval占总数据集的50%，test占总数据集的50%；train占trainval的50%，val占trainval的50%；  
  4. %上面所占百分比可根据自己的数据集修改，如果数据集比较少，test和val可少一些  
  5. %  
  6. %注意修改下面四个值  
  7. %%  
  8. xmlfilepath='E:\Annotations';  
  9. txtsavepath='E:\ImageSets\Main\';  
  10. trainval_percent=0.5;%trainval占整个数据集的百分比，剩下部分就是test所占百分比  
  11. train_percent=0.5;%train占trainval的百分比，剩下部分就是val所占百分比  
  12.   
  13. xmlfile=dir(xmlfilepath);  
  14. numOfxml=length(xmlfile)-2;%减去.和.. ?总的数据集大小  
  15.   
  16.   
  17. trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));  
  18. test=sort(setdiff(1:numOfxml,trainval));  
  19.   
  20.   
  21. trainvalsize=length(trainval);%trainval的大小  
  22. train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));  
  23. val=sort(setdiff(trainval,train));  
  24.   
  25.   
  26. ftrainval=fopen([txtsavepath 'trainval.txt'],'w');  
  27. ftest=fopen([txtsavepath 'test.txt'],'w');  
  28. ftrain=fopen([txtsavepath 'train.txt'],'w');  
  29. fval=fopen([txtsavepath 'val.txt'],'w');  
  30.   
  31.   
  32. for i=1:numOfxml  
  33.       if ismember(i,trainval)  
  34.             fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));  
  35.             if ismember(i,train)  
  36.                 fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));  
  37.             else  
  38.                 fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));  
  39.             end  
  40.       else  
  41.              fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));  
  42.       end  
  43. end  
  44. fclose(ftrainval);  
  45. fclose(ftrain);  
  46. fclose(fval);  
  47. fclose(ftest);  

（5）到此所有数据就准备完毕，第（3）（4）的程序下载链接：http://download.csdn.net/detail/qq_14845119/9700102

同时建议，上面的操作最好在Linux下完成，如果在windows下完成，还需要涉及一下格式的转化。因为DOS的编辑器和Linux对文末eneter的处理规则不一样，这里送上2个锦囊，帮助众童鞋解除困扰，

去除txt中所有的^M指令： ：%s/^M//g#

vim 中替换指令： ：%s/sour/dst/g  (将sour替换为dst)

如此这般，create_list.sh就可以生成正确的 trainval.txt，test.txt，test_name_size.txt

然后执行，create_data.sh就可以生成正确的test_lmdb和trainval_lmdb，并在caffe-root/examples下面生成相应的symbolic link，

然后，修改，caffe-root/examples/ssd/pascal.py

57行：训练数据路径

59行：测试数据路径

197-203行：save_dir，snapshot_dir，job_dir，output_result_dir路径

216-220行：name_size_file，label_map_file路径

223行：类别数目（1+类别数）

315行：测试图片数目

上面的这些修改完毕，就可以执行 python examples/ssd/ssd_pascal.py进行训练，小伙伴们又可以静静的等待了。

（6）如果你没有自己的图片，或者不想花时间处理了，可以直接使用VOC里面的图片，下面的程序可以实现解析VOC XML，从中提取出你需要的类别的图片。当然需要xml_io_tools这个matlab版本的解析库，下载地址，http://download.csdn.net/detail/qq_14845119/9711846

[plain]  view plain  copy
  1. trainval=importdata('/home/data/VOCdevkit/VOC2007/ImageSets/Main/test.txt','0',6000);  
  2. tv=fopen('te.txt','w');  
  3. tval=fopen('test.txt','w');  
  4. for i=1:size(trainval,1)  
  5.     i  
  6.     xmlpath=strcat('/home/data/VOCdevkit/VOC2007/Annotationsori/',strcat(trainval{i},'.xml'));  
  7.     info=xml_read(xmlpath);  
  8.     for j=1:size(info.object,1)%下面加上需要的类别，例如，车，人等  
  9.         if (strcmp(info.object(j).name,'car')==1||...  
  10.             strcmp(info.object(j).name,'person')==1)  
  11.             fprintf(tv, '%s %s %g %g %g %g\n', info.filename,info.object(j).name,...  
  12.                 info.object(j).bndbox.xmin,info.object(j).bndbox.ymin,info.object(j).bndbox.xmax,info.object(j).bndbox.ymax);  
  13.             fprintf(tval,'%s\n',info.filename(1:length(info.filename)-4));  
  14.         end  
  15.     end  
  16.   
  17. end  

最后生成te.txt和text.txt，分别为下面左右图，

                                 

生成这样的文件，就可以继续按照上面的步骤进行处理了。


windows下SSD的一安装指南：

 

安装SSD-caffe步骤：

 

准备资源：

官方SSD-CAFFE：https://github.com/weiliu89/caffe/tree/ssd

官方WINDOWS-CAFFE：https://github.com/BVLC/caffe/tree/windows

boost_1_59_0（regex）：http://download.csdn.net/detail/qq_14845119/9693187

 

安装步骤：

1，首先mv一个WINDOWS-CAFFE的F:\caffe-windows\windows下面的CommonSettings.props.example为CommonSettings.props，并对里面进行修改

CPU版本配置：


GPU版本配置：

2，用SSD-CAFFE目录下的src，include，tools，examples替换掉WINDOWS-CAFFE的相应目录，然后进行编译，将会生成15个组件。



这个环节是最重要的一个环节，期间可能出现的问题总结如下：

问题1：


解决方法，双击该错误，分别定位到bbox_util.cpp出错的地方，将snprintf改为_snprintf。



问题2：

解决方法，右键caffe，libcaffe，test_all，配置属性，C/C++，常规，将警告视为错误改为否。


问题3：

解决方法，将下载好的boost里面的libboost_regex-vc120-mt-1_59.lib，libboost_regex-vc120-mt-gd-1_59.lib复制到F:\NugetPackages\boost_chrono-vc120.1.59.0.0\lib\native\address-model-64\lib目录下VS即可检测到。

问题4：

在用SSD-CAFFE替换WINDOWS-CAFFE的过程中，遇到#if defined(_MSC_VER)类似这样的代码要全部保留下来（可以用compare软件修改）。例如，src/caffe/util/db_lmdb.cpp

问题5：


解决方法，双击定位到错误位置，将kBNLL_THRESHOLD改为50即可。


问题6：

test_lrn_layer的错误，本人使用的是cudnn4版本，估计是一些这问题吧

解决方法，修改为原版caffe中的样子，


3，SSD测试


CPU版本用时（至强E5-2687）

GPU版本用时（大将gtx-750Ti）

稳定后为120ms的样子

提供一个热心网友分享的他自己翻译的SSD资料，http://download.csdn.net/detail/qq_14845119/9698597


由于本人配置这个windows的ssd也是折腾了4天，因此友情提示，坑多，初学者慎入。由于本人疏忽，未能整理的各种错误，Bug，欢迎下面留言。

夫学者，传道授业解惑也，博客亦然。如果不能真正帮助广大热心学习的小伙伴解决问题，那博客写的再好也没意义，因此，本人将会近期整理完成，上传一个全部配置好的可以直接编译完就运行ssd的windows-caffe，敬请期待后续更新……

机器之眼
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SSD:(Single Shot MultiBox Detector)
BistuSim的博客
10-15 1052
这两天把SSD论文读了一下，SSD也是一个端到端的目标检测模型，SSD在检测的准确率和速度上相对于YOLO有了很大的提高，并且在检测小目标上也有不俗的效果。 特点 1. 使用多尺度特征图进行预测     大多数目标检测算法都是使用最后一层特征图进行目标位置和类别的确定，但是这样有个缺点就是高层次的特征图对小物体的特征信息丢失严重，导致对小目标检测效果不好，这...
SSD: Single Shot MultiBox Detector
Surge
07-10 7439
SSD: Single Shot MultiBox Detector 背景介绍    基于“Proposal + Classification” 的 Object Detection 的方法，R-CNN 系列（R-CNN、SPPnet、Fast R-CNN 以及 Faster R-CNN），取得了非常好的结果，但是在速度方面离实时效果还比较远    在提高 mAP 的同时兼顾速度
SSD(Single Shot MultiBox Detector)不得不说的那些事
热门推荐
年轻即出发，
11-25 3万+
该方法出自2016年的一篇ECCV的oral paper，SSD: Single Shot MultiBoxDetector，算是一个革命性的方法了，非常值得学习和研究。    论文解析：   SSD的特殊之处主要体现在以下3点： （1）多尺度的特征图检测（Multi-scale），如SSD同时使用了上图所示的8*8的特征图和4*4特征图。 （2）相比于YOLO，作者使用的是卷积层...
【SingleShotMultiBoxDetector(SSD,单步多框目标检测)】
weixin_42483745的博客
06-03 3402
项目源码：•One-Stage •均匀的密集抽样 •Priorboxes/Defaultboxes(Anchorboxes) •不同尺度抽样•不同scale尺度的特征图抽样 •对于小目标检测效果不错 •预测速度快 •训练困难(正负样本极度不均衡)下图为一些网络结构的效率对比图，一般来说，map达到75％到80％就可以了 其主干网络为做了一些改动的VGG net 征图进行预测后，大小不变还是3838，深度变成了（4classes+4），即100，这上面的每一个11100，对应的是一个锚点的预测值。在深度上来
【目标检测】6、SSD：Single Shot MultiBox Detector
呆呆的猫的博客
07-20 1668
摘要 本文提出了一种使用单一深度神经网络来进行目标检测的方法——SSD。 将特征图上每个位置的b-box的输出离散化成了一系列不同尺度和纵横比的默认框。 预测时，网络对每个默认的框的每个目标类别进行打分，并通过调整box来更好的适应目标的形状。 此外，本网络通过结合多种分辨率的不同尺度的特征图来适应不同大小的目标。 SSD算法比需要region proposal过程的方法更简单，因为其完全消除了候.........
单阶多层检测器: SSD (Single Shot Multibox Detector)
连理o的博客
03-03 1410
目录参考文献 参考文献 《深度学习之 PyTorch 物体检测实战》
把txt格式数据制作成xml数据
weixin_34258782的博客
09-14 380
txt格式数据： 代码： s1=""" <object> <name>{0}</name> <pose>Unspecified</pose> <truncated>0</truncated> <di
【论文阅读笔记】SSD(Single Shot MultiBox Detector)
longteng_guo的博客
07-17 500
SSD(Single Shot MultiBox Detector) Liu W , Anguelov D , Erhan D , et al. SSD: Single Shot MultiBox Detector[J]. 2015. 本文与faster-Rcnn很像，相比于faster-Rcnn ，以下网络在extract feature 阶段进行的卷积所等效的在输入图像上的滑动步长更小了。直接用conv filter 的卷积结果作为 offset ，以及类别的种类。区别于faster-Rcnn的级联
（SSD）Single Shot MultiBox Detector论文阅读笔记
weixin_43422466的博客
07-02 2236
文章目录SSD: Single Shot MultiBox Detector论文阅读笔记2016Abstract1. Introduction2. The Single Shot Detector (SSD)2.1 Model2.2 Training3. Experimental Results3.1 PASCAL VOC20073.2 Model analysis3.3 PASCAL VOC20123.4 COCO3.5 Preliminary ILSVRC results3.6 Data Augment
SSD: Single Shot MultiBox Detector 检测单张图片
Jesse_Mx的博客
10-29 2万+
前言 博主也算是刚开始研究SSD项目，之前写了一篇SSD的安装和配置，这次是简单介绍下如何用SSD检测单张图片，其实过程也比较简单，下面正式开始。准备工作 当然，首先你要把SSD按照教程编译好，设置好python环境变量，然后重启计算机（建议），开始本次工作。SSD项目检测单张图片有C++程序和ipython程序，这里建议用ipython，主要是方便简单（最近新增了C++程序说明）。该工具路径为/h
SSD XCORR matlab
06-16
快速计算SSD 用 XCORR加速 matlab的程序 SSD XCORR matlab SSD XCORR matlab SSD XCORR matlab SSD XCORR matlab
论文笔记：SSD（Single Shot MultiBox Detector）
牛顿爱吃香蕉的博客
04-06 1121
文章目录1、概述2、SSD 1、概述 通常目标检测系统的套路是： 假设边界框 重采样每个框的像素或特征 使用高质量分类器 这个套路虽然管用，但是计算量太大，见效慢，应用在嵌入式系统中，即使使用高端硬件也很难达到实时运算速度。 作者提出了一种称之为 SSDSSDSSD 的方法，它将边界框输出空间离散化为每个特征图位置下的具有不同纵横比和尺度的一组默认框。预测时，网络为每个默认框生成各目标类出现在...
SSD（single-shot multibox detector）源码学习笔记
huangbo10的专栏
03-14 1万+
SSD（single-shot multibox detector）源码学习笔记SSD是Wei Liu等人去年提出来的一个object detection框架，在PascalVOC上mAP可以超过著名的Faster RCNN，同时速度可以做到实时，简直强无敌。之前用 别人写好的MXNet代码 跑过实验，最近需要改进一下算法，所以去翻了一下 原作者用Caffe实现的代码。在看代码之前先简述一下SSD的
ccmt2019——sgm文件解析
jmhIcoding
05-13 2200
ccmt2019的开发集和测试集使用sgm文件给出的，它其实就是一个xml文件，使用python的lxml解析即可。 坑点： 官方给的xml有毒，有些特殊符号需要自己转换，例如：&。需要先手动把所有的&替换为& 注意要核对docid和seg id,存在源语中有 而目标语没有的情况。这一点比较坑。 __author__ = 'jmh081701' from xm...
SSD 论文理解
JustForYou的博客
12-17 1597
paper：: SSD Single Shot MultiBox Detector（单摄多框检测器） link：SSD paper code：https://github.com/weiliu89/caffe/tree/ssd 摘要 提出目标检测方法SSD： one-stage的检测方法，不需要额外的proposal生成过程； 将bbox的输出空间离散化到每个feature map预设的多长宽...
（八）fastai 目标检测 object detection
hello world
08-25 1169
fastat
caffe ssd制作数据集方法（1）
Andy.Wang的博客
12-17 878
ssd的官网中给出的数据集制作方法过于简单，没有细节，因此对这一制作方法进行研究。 官网VOC数据集制作教程第一步： # Create the trainval.txt, test.txt, and test_name_size.txt in data/VOC0712/ ./data/VOC0712/create_list.sh 通过注释可以了解这一步的功能是获取训练集、测试集的图片存放地...
深度学习基础之 - 行人检测SSD
跟随技术的脚步-linolzhang的专栏
02-16 1万+
       Faster-RCNN 虽然在效果上做到了 State-Of-The-Art，但效率问题无法做到实时，YOLO 在此基础上提出了改进： 一. Region Proposal        Region Proposal 过程的优点是能够初步检测有效的 Candidate，缺点是带来效率的降低（Faster构造了两级网络）。        YOLO去掉了 Faster的 RPN ...
ssd: single shot multibox detector
最新发布
03-16
SSD（Single Shot Multibox Detector）是一种用于目标检测的深度学习模型，它是一种基于锚点（anchor）的目标检测算法。相比于传统的目标检测算法，如RCNN、Fast RCNN、Faster RCNN等，SSD具有更快的检测速度和更好的准确率。 SSD通过使用多个不同大小和宽高比的锚点，来检测输入图像中的目标物体。它使用了一个卷积神经网络（CNN）来提取特征，然后将这些特征输入到多个检测层中进行目标检测。每个检测层都可以检测多个目标，并且每个目标都由多个锚点进行预测。 SSD在训练过程中使用交叉熵损失函数来最小化目标检测的误差，并使用随机梯度下降（SGD）等优化算法来更新模型参数。 SSD可以应用于各种应用场景，如自动驾驶、智能安防、工业检测等，它已经成为目标检测领域的主流算法之一。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值