SSD

论文：SSD: Single Shot MultiBox Detector（ECCV 2016）

动机

大多精度高的算法计算量对于嵌入式系统来说都太大，YOLO等单阶段目标检测算法虽然够快，但是精度却又不够高，因此急需兼顾速度和精度的检测器。

SSD

计算量小、速度快，当然得用单阶段检测器，那么该如何提高其速度和精度呢？

多尺度特征

利用多个不同层的特征进行预测，浅层特征尺度较大，感受野想对较小，含更多小目标信息，因此可以直接利用不同尺度的特征对各个尺度的目标进行检测

与 YOLOv1 对比：

卷积代替全连接

与Yolo最后采用全连接层不同，SSD直接采用$3\times 3$卷积对不同的特征图提取检测结果，类似RPN结构

先验框

和faster rcnn中的Anchor一样，特征图上的每个像素点作为中心生成各个尺度Anchor，只不过SSD有6个不同尺度的特征层，且每个尺度特征层生成的Anchor尺度和数目也不同

default box 在不同的feature层有不同的scale：

$s_{min}$=0.2，表最底层scale为0.2,；$s_{max}$=0.9，表最高层scale为0.9

default box 在同一个feature层又有不同的aspect ratio，大致有 a r = { 1 , 2 , 3 , 1 2 , 1 3 } a_r=\{1,2,3,\frac12,\frac13\} ar​={1,2,3,21​,31​}五种：

• 宽 $w_k^a=s_k\sqrt{a_r}$
• 高 $h_k^a=s_k/\sqrt{a_r}$
• 当aspect ratio为1时，还有一种scale的default box：$s_k^{\prime }=\sqrt{s_k{s}_k+1}$
  因此，feature map cell共有6种default box

正负样本划分：IoU最大的以及超过阈值的框都算作正样本小于阈值的则作为负样本，因此一个ground truth可能对应多个default box 。此时负样本仍远远多于正样本，因此采用hard negative mining策略，按置信度排序，选取top_k置信度小（预测为背景的越小误差越大），使得正负样本比例保持在 1:3 左右

损失函数

损失函数为位置误差与置信度误差加权和：

其中，位置误差为：

置信度误差，其采用softmax loss：

实验

存在的问题

容易出现相同物体被不同大小的框同时检测出来，对小目标检测不佳

可做一些不同尺度间的融合，充分利用特征层间的信息，类似FPN结构加以改进
FSSD${}^{【6】}$

RSSD${}^{【5】}$

参考文献

【1】目标检测算法之SSD
【2】目标检测|SSD原理与实现
【3】总结-空洞卷积(Dilated/Atrous Convolution)
【4】目标检测——SSD简介及代码注释（附github代码——已跑通）
【5】Enhancement of SSD by concatenating feature maps for object detection(2017论文)
【6】FSSD: Feature Fusion Single Shot Multibox Detector(2017论文)