深度学习之目标检测（二） SSD

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

本篇记录的是目标检测网络SSD算法的基本原理。

---

以下是本篇文章正文内容。

一、SSD

原论文：SSD：Single Shot MultiBox Detector
SSD网络是作者Wei Liu 在ECCV 2016上发表的论文，对于输入尺寸300* 300 的网络使用Nvidia Titan X在VOC 2007测试集上达到74.3%mAP以及59FPS，对于512* 512 的网络，达到了76.9%mAP超越当时最强的Faster RCNN 73.2%mAP
（真正的实时）

对于Faster RCNN存在的问题

1.对小目标检测效果很差
2.模型大，检测速度较慢

整体架构：

提取多个特征层，在相对低层的特征层上预测相对较小的目标（保留了更多的细节信息），在高层的特征层上去检测更大的目标（易于进行相应的边界框匹配）

1.1 Default Box 的scale 和aspect设定

对于aspect ratios=1的，论文中同样增加了一个default box，他的scale是

而对于Conv4_3，Conv10_2，Conv11_2，论文默认使用4个default box，对于其他的特征层，则使用6个default box。
详细情况见下图：

总共的default box 为8732 个。

1.2 Predictor

对于特征层为nm，channel为p的，直接擦次用卷积核大小为3 3，卷积核数量为p来进行实现，生成对应的类别分数以及对于default box的相对偏移量。

对于每个default box，都生成对应的c个类别分数，和4个相对偏移量。
所以对应m* n的特征层，共生成(c+4)* k *m *n个输出。（其中类别c个包括了背景类别）
（在faster RCNN中会针对每个类别生成对应的边界框回归参数）

1.3 正负样本选取

正样本：
1）对于每个ground truth 对应的iou最大的default box
2）对于每个与任何一个ground truth 的存在iou>0.5的default box

负样本（Hard Negative mining）：
对于负样本的选取，首先对于不是正样本的样本计算highest confidence loss（该值越大意味着网络将其预测为正样本的概率越大），选取前n个。（具体个数为正样本个数的三倍）

1.4 损失

类别损失：

定位损失：
只针对正样本