SSD算法

Fast RCNN存在的问题

来源：B站霹雳吧啦Wz
对小目标检测效果很差（加入FPN进行改善）
模型大，检测速度较慢

网络框架：

在六个特征层进行预测不同大小的目标

Default Box的scale以及aspect设定
每层对应的scale以及aspect设定

对于每个Default Box。对于高宽比1，我们还添加了一个Default Box，其比例是，$s_k^{\prime }=\sqrt{s_k{s}_{k+1}}$

Default Box个数：38x38x4+19x19x6+10x10x6+5x5x6+3x3x4+1x1X4=8732

预测

对于大小为m x n p个channel而言，使用3x3xp大小的卷积核来实现，生成概率分数，以及Default Box的坐标偏移量（边界框回归参数）
对于特征图上的每个位置生成k个Default Box，对每个Default Box计算c个类别分数和4个坐标偏移量，所以需要（c+4）*k个卷积核来实现
对于m x n的feature map会生成(c+4)kmn输出值

在Fast R-CNN中会生成4c个边界框回归参数，在SSD中不会去关注类别

正负样本选取

正样本：与GT匹配最大的IoU；与任何一个GT的IoU大于0.5
负样本：计算剩下负样本的最大的 confidence loss；confidence loss越大，网络预测为目标的概率就越大
负样本：正样本=3：1

计算损失

类别损失 定位损失
$L(x,c,l,g)=\frac{1}{N}(L_{\text{conf }}(x,c)+\alpha L_{loc}(x,l,g)$
其中N为匹配到的正样本个数，$\alpha$为1
$L_{\text{conf }}(x,c)=-{\sum }_{i\in \text{ Pos }}^N{x}_{ij}^p\log \left({\hat{c}}_i^p\right)-{\sum }_{i\in Neg}\log \left({\hat{c}}_i^0\right)where{\hat{c}}_i^p=\frac{\exp \left(c_i^p\right)}{{\sum }_p\exp \left(c_i^p\right)}$
${\hat{c}}_i^p$为预测的第 $i$个 default box对应 $\mathrm{GT}\mathrm{box}$(类别是$\mathrm{P})$ 的概率
x i j p = { 0 , 1 } x_{i j}^{p}=\{0,1\} xijp​={0,1}为第 $i$个default box匹配到的第$\mathrm{j}$个 GT box (类别是$\mathrm{P}$)
L l o c ( x , l , g ) = ∑ i ∈ P o s N ∑ m ∈ { c x , c y , w , h } x i j k smooth ⁡ L 1 ( l i m − g ^ j m ) L_{l o c}(x, l, g)=\sum_{i \in P o s}^{N} \sum_{m \in\{c x, c y, w, h\}} x_{i j}^{k} \operatorname{smooth}_{\mathrm{L} 1}\left(l_{i}^{m}-\hat{g}_{j}^{m}\right) Lloc​(x,l,g)=∑i∈PosN​∑m∈{cx,cy,w,h}​xijk​smoothL1​(lim​−g^​jm​)
${\hat{g}}_j^{cx}=\left(g_j^{cx}-d_i^{cx}\right)/d_i^w$ ${\hat{g}}_j^{cy}=\left(g_j^{cy}-d_i^{cy}\right)/d_i^h$
${\hat{g}}_j^w=\log \left(\frac{g_j^w}{d_i^w}\right)$ ${\hat{g}}_j^h=\log \left(\frac{g_j^h}{d_i^h}\right)$
${\mathrm{smooth}}_{L_1}(x)=\{\begin{array}{ll}0.5x^2& \text{ if }|x|<1\\ |x|-0.5& \text{ otherwise }\end{array}$

$l_i^m$为预测对应第$i$个正样本回归参数
${\hat{g}}_j^m$为正样本匹配的第$j$个GT box的回归参数