文献精读——（第十六篇）DSSD

一、文献梳理

1、文献背景

回顾目标检测的发展历程，在基于现有深度学习方法的基础上，还要提升检测精度的话，其中两个途径就是更好的特征提取网络和增加上下文信息，尤其对小物体检测而言更是如此。DSSD是SSD算法改进分支中最为著名的算法，它对要解决SSD算法在对小目标不够鲁棒的问题。

2、研究成果

1）模型意义

• 把SSD的基准网络从VGG换成了Resnet-101，增强了特征提取能力；
• 使用反卷积层（deconvolution layer ）增加了大量上下文信息。

2）实验及其结果

DSSD以513 * 513的图片输入，在VOC2007上的mAP是81.5%，而SSD为80.6%，在COCO数据集上mAP也达到了33.2%，均高于R-FCN；FPS为5.5（batch_size=1)