python ssd目标检测_目标检测模型SSD解析

模型介绍

• SSD: Single shot multiboxdetector. 2016
• 作者：Wei Liu等
• 特点：1. 单阶段模型，不需要候选框；2. 使用默认框回归目标类别和坐标；3. 在不同尺度的特征图预测；4. 实现了端到端训练
• 论文地址：https://arxiv.org/abs/1512.02325

模型架构

默认框和多尺度特征图

• 特征图的每个像素点对应多个默认框
• 高像素特征图回归小物体，低像素回归大物体

默认框的计算

如果m×m的特征图，尺度是0.2 ，宽比例为(1, 0.5, 2)， 那么会产生3个默认框，宽高计算为

(0.2×√1, 0.2/√1) (0.2×√0.5, 0.2/√0.5)(0.2×√2, 0.2/√2)，所以该层特征图共有m×m×3个默认框

论文中，总共的默认框的计算为38×38×4+19×19×6+10×10×6+5×5×6+3×3×4+1×1×4=8732

每个默认框参数的计算。假设有20分类，每个默认框对应参数是(20+1+4)

正样本的匹配策略和负样本

• 正样本

以GT box为基础，遍历与GT box最匹配(IoU最大)的默认框

以默认框为基础，寻找与GT box满足IoU>0.5的默认框

• 负样本

对所有负样本进行置信度升序排列，选择前n个样本，使得正负样本的比例为1：3

损失函数

总损失

定位损失

正样本和负样本损失

数据增强

• 随机截取采样图像

与物体的IoU为：0.1，0.3，0.5，0.7和0.9

采样图像的比例范围是[0.3, 1.0]，aspect ratio是0.5或2

物体的中心在采样区

• 原图像

把随机采样的图像或原图像Resize到固定大小，以0.5的概率翻转

预测步骤

• 对于每个预测框，首先根据类别置信度确定其类别(置信度最大者)与置信度值，并过滤掉属于背景的预测框

• 然后根据置信度阈值(如0.5)过滤掉阈值较低的预测框。对于留下的预测框进行解码，根据先验框得到其真实的位置参数。解码之后，一般需要根据置信度进行降序排列，然后仅保留top-k(如400)个预测框

• 最后就是进行NMS算法，过滤掉那些重叠度较大的预测框。最后剩余的预测框就是检测结果