YOLO和SSD

YOLO:
googlenet+4个卷积+2个全连接层
网络输出大小7730
流程解释：
默认将图片分成网格，每个网格预测两个bbox，NMS。
单元格：
77个像素值，49个单元格
每个单元格负责预测一个物体类别，直接预测物体的概率值
每个单元格预测两个bbox位置，两个bbx置信度
一个bbx，xmin ymin xmax ymax confidence
30：两个bbx 42+2=10
20个输出代表20类的预测概率结果

网格的输出筛选：
一个网格有两个bbx 但是在训练时只有一个bbx负责预测概率
20类别概率代表网格中的一个bbx
通过置信度大小比较：
如果单元格里面有物体 则置信度是 bbx和gt的iou乘积
无物体，则置信度就是0
两个bbx的4个值都与gt进行iou计算 都得到两个iou 取最大的 20个类的预测结果和iou最大的相联系
判断有无object：如果obj的gt中心点坐标在单元格中，那么这个单元格包含这个obj,obj预测由该单元格负责 该概率不属于任何一个bbx属于该单元格预测的类别
yolo 框 概率值都由网络直接输出7730

训练过程：
预测框会找到目标值的标记
损失：两个点4个值的损失+confidence损失+20个类别的损失
优点：速度快
缺点：准确率打折扣，对靠的很近的物体预测效果不好。

SSD（single shot multibox detector）2016:
结合了yolo的回归思想和faster -rcnn中的anchor 机制，使用全图各个位置的多尺度区域进行回归
核心：在不同尺度的特征图上采用卷积核来预测一系列的default bbx 类别坐标 偏移
网络结构：
Vgg-16为基础，用Vgg的前五个卷积，后面增加从conv6开始的5个卷积结构，输入图片要求300*300（保留前六次卷积的特征图）
每个特征图都会经过一个detector classifier

流程：

输入图片--Vgg--38*38*512（特征图）--Vgg--19*19*1024--conv--10*10*512--conv--5*5*256--conv--3*3*256--conv--1*1*256
                    |                       |                  |               |              |             |
                  归一化               detector classifier     DC              DC            DC             DC  
                    |                       |                  |                |             |              |
             detector classifier            6                  6                6             6              4       
             (38*38*4个候选框)                             |
                                                          |
                                                          NMS

不同的feature map 所有特征点上使用prior box层（dc）
dc：
·得到候选框 default box
·吸取yolo的优点 输出每个框的4个位置，类别预测概率 置信度
·priorbox ： 生成default 默认候选框
·conv33 生成loc 4个位置的偏移量、
·conv33 confidence 21个类别的置信度（背景前景）

                 5*5*256  （假设每个像素预测3个框）                                                           
                           |

default box              conv3*3              conv3*3   （75个框都要预测20+1的值）
     |                      |                   |
75个候选框          12个3*3*256的feature      5*5*63
                            |
                    5*5*12(75个框的4个位置)
                        更正位置 边界 分类和过滤
                                   NMS
                                                        8732 个候选框

候选框生成结果之后利用4个（xmax xmin ymax ymin）prior variance 做微调

在不同尺度的特征图上面进行dc容易使得 SSD观察到更小的物体

训练和测试过程：
输入图–输出7308框–结果与gt标记样本回归损失计算–反向传播计算权重
样本标记 将候选框和gtbox匹配进行标记正负样本（iou>0.5为正样本）正负样本比1:3
损失：
置信度采用softmax loss
位置回归采用smoothL1 Loss

测试：
输入–输出7308–NMS–输出框