python ssd目标检测_目标检测之ssd

设计理念

1.采用多尺度特征图用于检测不同大小的目标

CNN一般前面的feature map比较大，每个单位的感受野比较小，适合用于检测小目标；后面的feature map比较小，每个单位的感受野比较大，适合用于检测大目标

2.借鉴Faster RCNN采用anchor

为特征上的每个单元设置都设置不同尺度的anchor

3.采用卷积进行检测

SSD直接采用3*3的卷积核对特征进行卷积得到分类和位置回归的参数

设计细节

1.每个特征图需要的卷积核的数量

SSD将背景也当作了一个特殊的类别，如果检测目标有c个类别，那么SSD需要c+1个置信度，后面统称为C，每个类别会有一个分类预测值。

一个框会有C个分类预测值，4个位置回归值。那么特征图上的一个点假设有k个框，那么一个点就需要(C+4)K个值，由于SSD采用卷积做检测，所以一个特征图会有(C+4)K个卷积核完成这个特征图的检测过程。

与Faster RCNN一样，SSD也是密集采样。

2.在Conv4_3之后加入了L2 Normalization层

向量的L2 Normalization就是，将向量的值除以所有值的平方开根号，最后它们的和为1，也就是向量的归一化。

比如向量(a, b, c)进行L2 Normalization之后变为，(

,

,

)

在深度学习中加入归一化可以增加模型的鲁棒性。

L2 Normalization会有一个参数scale，如果把feature的模长放缩到刚好等于一的长度，会让学到的feature变得很小，网络会难以训练。所以，更可取的做法是将feature的值放大一定倍数，例如20倍，归一化后的结果就是(

,

,

)

L2 Normalization还可以设置按通道进行norm还是按照像素进行norm。

例如，现在要对大小为m×n×c的feature map进行norm操作，按通道是在c个m×n的tensor进行norm操作，按像素在m×n个c维向量上操作。

3.加上Conv4_3，共提取了6个特征图

特征图的大小分别为(38,38),(19,19),(10,10),(5,5),(3,3),(1,1)。对特征图设置对先验框对数量不同，对不同的特征图设置不同尺度的先验框，先验框的尺度符合线性递增。

下图描述了对(5,5)的特征图进行卷积得到结果的过程

训练过程

1.先验框匹配，选择训练对正负样本

1. 为每个ground truth找到IOU最大的先验框
2. 将剩余的先验框与ground truth进行匹配，选出IOU最大的，且大于0.5的（这一步是为了增加正样本的数量）
3. 以上两步挑选出来的作为正样本
4. 对剩余的先验框，也就是负样本按照置信度误差进行降序排列，预测背景的置信度越小，误差越大
5. 选取误差的较大的top-k作为训练的负样本，以保证正负样本比例接近1:3

2.损失函数

损失函数定义为位置误差（locatization loss， loc）与置信度误差（confidence loss, conf）的加权和：

对于位置误差，其采用Smooth L1 loss

N是先验框对正样本对数量

参考：

https://blog.csdn.net/xiaohu2022/article/details/79833786​blog.csdn.net https://blog.csdn.net/weixin_35653315/article/details/72715367​blog.csdn.net