图片宽高比例算法_SSD算法

SSD同YOLO，是目标检测领域的经典算法。考虑到YOLO-V3和SSD有类似之处，同时这两个算法也是目前目标检测领域业界广泛使用的算法，所以在介绍SSD核心思想之外，对两个算法进行比较，加深理解。

SSD包含以下几个核心特征：

1. Multi-scale feature map for prediction：也即是在网络多个分辨率不同的特征图上进行预测，通常会在8x，16x，32x，...等下采样倍数特征图上进行。大下采样倍数特征图cell感受野更大，一般用于预测大尺度物体，小下采样倍数特征图一般用于预测小尺度物体。
2. Anchor boxes：SSD借鉴了Faster-RCNN的Anchor思想，在输出特征图每一个位置放置不同大小&Aspect ratio的先验框，这些先验框可手工依据经验配置，也可使用yolo算法中cluster算法，以提升和GT的match程度。
3. Hard negative mining：anchor的作用是提供训练过程中的正负样本，SSD anchor和GT的match过程包含两步：1. 对每一个GT，匹配和其IoU最大的anchor，这样保证了每个GT至少匹配一个anchor；2.对剩余未匹配的anchor，计算和其IoU最大的GT，若IoU大于设定的threshold，则为正样本，否则为负样本，考虑到正样本数量一般远远大于负样本，训练中会采用难例样本挖掘策略，一般保证正负样本比例为1：3，难例样本选择的策略是标定分类置信度高的anchor作为负样本。
4. Anchor编解码：具体如下图所示，其中
   为matched anchor的中心点和宽高，
   为对应预测框的中心点和宽高，可以看到对中心点而言，回归的是预测框和对应anchor的offset，宽高预测的是两者比值的对数（yolo-v1回归值开根号，意义和这边一样，都是减小框尺度大小对loss的影响）。另外下图所示为anchor编码过程，inference过程需解码，得到预测框在图片上绝对位置。

5. 损失函数：上图是位置回归loss，只作用于正样本，损失函数采用smooth-l1；检测需同时输出类别信息，SSD采用softmax损失，作用于正负样本。smooth-l1基于改进l1和l2损失而来，l2损失的问题在于对离群点敏感，smooth-l1当

时，导数为1，对离群点鲁邦；l1损失的问题在于收敛慢，同时训练到最后，当loss较小时候会震动，而smooth-l1当

时，导数为x，在训练后期收敛更为稳定。

下面比较一下SSD和YOLO-V3的异同，具体可参见YOLO系列算法。

1. YOLO-V3采用了FPN而SSD没有，当然现在采用SSD时一般都会添加FPN；
2. 检测框中心点解码方式不一致，SSD回归的是相比anchor中心店的offset，而YOLO-V3回归的是相比对应grid左上角的offset。
3. 是否解耦包含物体置信度和分类置信度。