目标检测-SSD300

						目标检测-SSD300

一、 什么是目标检测

输入一张图片，我们能检测到图像中，哪一些是我们想要的物体、人体信息，那一些是背景，并且图像中的目标，标注出来，并且知道图像中是什么。
二、 SSD300目标检测的优点

目标检测算法之间的准确率，速度比较：
	 ![在这里插入图片描述](https://img-blog.csdnimg.cn/4ff8f174f64443d9a814a9a2853a6fb6.png)

三、 SSD300的网络结构
SSD的最终预测，没有使用全链接层进行预测，而是用卷积进行预测

SSD网络与传统的目标检测不同，SSD使用不同尺寸的特征图进行预测，如在SSD网络中使用了VGG-16网络，将VGG-16网络中的Conv5-3，后续的Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2的特征图都进行预测。

SSD的VGG-16网络结构：

	SSD在VGG-16的Conv4_3后，做了一层L2Normalization,在输出进行预测

L2Normalization：

	因为Con4_3层还属于比较靠前的卷积层，他里面的特征值，有的比较大，有的比较小，如果直接将Conv4_3直接进行输入，会发现大的特征值对我们后续的输出影响很大，特征值小的对输出影响十分小，我们不希望出现这种现象，我们希望所有的值都对输出有影响，所以加入了L2Normalization

四、 SSD的Anchor

当输入的图像如上图所示是一个8x8的尺寸，图像中具体有些是目标，哪一些不是目标，这都是未知的，需要通过Anchor来检测是否存在目标，所以每一个像素都有不同尺寸、不同宽高比的Anchor，通过检测所有像素的Anchor，来预测那些Anchor中包含了目标，那些并没有包含目标。
(1) Anchor的尺寸

随着特征图尺寸的减小，Anchor所对应的数量、尺寸也越来越小，因为随着特征图尺寸的减小，感受野会增大， 一个像素所对应原图的信息则越多。
当想要检测的目标较小时，应该在尺寸较大的特征图进行检测，当想要检测的目标较大时，应该在尺寸较小的特征图进行检测。
Anchor的数量与特征图的大小有关，因为特征图越小，对应的像素数量越少，Anchor数量也越少，但感受野大，对应Anchor的尺寸会变大。
(2) Anchor的宽高比

Anchor根据不同的宽高比，能生成不同类型的Anchor，有的宽高比是1:1 或者1:2等，这些都可以根据要检测目标大小进行修改
(3) Anchor的中心位置

(4) SSD300网络的Anker的数量

	如上图所示，将VGG-16网络中的Conv5-3，后续的Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2的特征图进行输入，能获取到的Anchor总数量为8732个，不同特征图获取的Anchor数量不同。计算如下：

设定好每个像素值产生四个Anker，Conv5-3的特征尺寸为3838，那么总的Anchor数量为3838*4=5776个，后续的以此类推，最终Anchor的总数量为8732个
五、 SSD预测
SSD是全卷积神经网络，使用来卷积进行预测，而不是像普通的神经网络，最终会由全连接层来进行预测。
(1) Anchor的筛选：
通过SSD网络后，我们得到8732个Anchor，不会将全部的Anchor都去做预测和计算损失函数。将所有的Anchor与真实标签的boxes进iou计算，当计算出来的iou
大于我们的阈值后，才会进行预测和计算损失函数
Iou：

			IOU就是把预测框与真实框的交集比上预测框与真实框的并集

(2) 一个Anchor要预测的次数：

当要对某一个Anchor进行预测时，需要做 (4+类别总数) 次预测，获取到对应的值。类别总数是指该Anchor的内容属于哪个类别的可能性大小，获得属于类别总数个概率值。4是指当前Anchor中对应的物体的x,y,w,h的值。

(3) 使用卷积做预测：

1、 使用卷积层和全连接层与卷积层和卷积层进行预测分类：

如图所示：

我们图像做完卷积后，进行特征的拉伸，会把图像中的位置信息给丢失，所以全连接层只能对整体图像进行预测分类。而用卷积层进行预测，则不会丢失对应的位置信息，所以能通过不同的位置，预测出不同的类别。而我们的目标检测正好需要这样的预测

2、 用卷积层和全连接层与卷积层和卷积层预测物体中心位置和高宽
使用卷积层+全连接层预测物体中心位置和高宽

使用卷积层+全连接层预测物体中心位置和高宽

六、 SSD的损失函数

(1) 定位损失函数

上图的Dm计算，是在上面的公式中，将真实框的信息转化成预测框的信息，再通过公式计算得出的。

我们希望预测框与真实框相差越小越好，这样说明我们的预测框越接近我们的真实框，但这里的损失函数并不是直接让预测框与真实框相减，而是通过输入的Anchor作为中间计算，因为输入的Anchor我们是知道的，所以通过预测框与Anchor做计算，真实框与Anchor也做计算，得两个值，当这两个值相差越小时，证明这两个框越接近，当相差大时，则这两个框越不接近，
Smooth L1 Loss：

(2) 分类损失函数

七、 Hard Negative Mining(生成负样本)

也对所有Anchor与真实框进行iou计算，进行排序，选取iou高的前几个当做负样本。

八、 Non-max suppression