SSD 笔记

前言
1.本文重点是网络设计、测试过程、以及损失函数三大模块，尽量用较少篇幅表达清楚论文算法，其他一些不影响理解算法的东西不做赘述
2.博客主要是学习记录，为了更好理解和方便以后查看，当然如果能为别人提供帮助就更好了，如果有不对的地方请指正（论文中的链接是我经过大量搜索，个人认为讲解最清楚的参考）

论文链接
代码链接
论文翻译

创新点
1.在不同尺寸的特征图进行预测，达到了多尺度多分辨率的图像金字塔式的检测效果
2.在特征图上使用小卷积滤波器，预测固定的一组默认边界框的类别分数和位置偏移（没有全连接层）

网络设计

1.相比于YOLO只在最后一层进行检测，SSD在多张不同尺寸的特征图上进行检测，并且用了默认框机制（default box）

2.default box与Faster R-CNN的anchor机制相比
相同点：目的都是预先设置一些框，然后通过训练回归这些框的位置，使他们尽可能逼近gt
不同点：anchor box是在RPN网络最后的特征图上的每个像素点上生成9个，这9个框是固定尺寸的，所有的anchor box经过非极大值抑制，选择一些作为候选框送入Fast R-CNN进行最终预测；default box则是在网络的后6层每层特征图上的每个像素点都生成几个（4或6个），生成的方式参考这篇博客，所有的default box都进行最终预测，然后经过非极大值抑制得到最终结果

3.选取的特征图大小分别是38x38、19x19、10x10、5x5、3x3、1x1，每个像素点产生的默认框数是4、6、6、6、4、4，则一共产生38x38x4+19x19x6+10x10x6+5x5x6+3x3x4+1x1x4=8732个

4.对于mxn的特征图，每个像素点有k个默认框，每个默认框计算c个类别（背景算一类）得分4个偏移值（预测的bbox相对于default box的偏移），所以在这张特征图上产生的预测的维度是，mxnxkx(c+4)

测试过程
1.待检测涂片
2.输入到SSD网络，在后六层卷基层输出的特征图上每个像素点都生成几个尺度不同的bounding box，bbox包含类别信息（类别数+背景），坐标信息
3.将这些不同尺度特征图的bounding box经过非极大值抑制得到最终输出

训练过程
样本划分
正样本：与每个gt 的iou最大的default box，以及gt与default box的iou大于0.5的default box
负样本：不符合正样本的default box经过难例挖掘（使正样本：负样本=1:3）作为负样本
注：
1）在训练过程中，首先要确定训练图片中的ground truth（真实目标）与哪个先验框来进行匹配，与之匹配的先验框所对应的边界框将负责预测它。在YOLO中，ground truth的中心落在哪个单元格，该单元格中与其IOU最大的边界框负责预测它。但是在SSD中却完全不一样，SSD的先验框与ground truth的匹配原则主要有两点：与gt 的iou最大的default box，以及gt与default box的iou大于0.5的default box（参考）

损失函数
损失函数和Faster R-CNN类似，只是进一步扩展到处理多个物体类别

SSD缺点
1.对小目标检测还是不够好，即使最大的特征图38x38相对原始图片也采样很多倍，小目标的信息可能已经丢失