SSD算法笔记

SSD:Single Shot MultiBox Detector

wei liu 在ECCV2016上发表，对于300*300网络使用Nvidia Titan X在VOC2007测试集上达到74.3%map以及59FPS。

Faster RCNN存在的问题

1。对小目标检测效果很差，只是在一个特征层预测，特征层已经被抽样到一个非常高的层次，细节信息保留就越少，比较抽象。

2。模型大，检测速度较慢，关键两步走，rpn和fasterrcnn共进行两次预测，twostage网络的通病。

SSD

VGG16

对应VGG16中conv5_3,maxpooling前，

预测特征层一：对应vgg16conv4_3，将pool5由2*2-s2改成3*3-s1，特征矩阵高和宽不会改变和conv5_3保持一致。

预测特征层二：经过3*3*1024conv和1*1*1024

预测特征层三：经过1*1*256和3*3*512-s2

预测特征层四：经过1*1*128和3*3*256-s2

预测特征层五：经过1*1*128和3*3*256-s1

预测特征层六：经过1*1*128和3*3*256-s1

六个特征层预测不同目标，在第一个检测相对较小的目标，大目标相反

8*8保留细节更多一些（猫），4*4 （狗）

Default Box的scal以及aspect设定

较大和较小的物体占少数，中等物体占多数

六个特征层先验框的个数为8732个，不同特征层上进行不同尺度预测所得的box基本可覆盖原图像

predictor的实现

对m*n*p的特征层都使用3*3*p的卷积核层进行预测

对每个box生成c(包括背景类别)个类别分数和4个坐标偏移量（在fasterrcnn中针对每个类别分4个回归参数），即(c+4)*kmn个

正负样本的选取

正样本

1.对每个gtbox匹配每个与它iou最大的defaultbox

2.对任意的defaultbox只要与任何一个gtbox的iou值大于0.5也认为是正样本

负样本

鉴于正样本个数有限，样本个数极不平衡，对于所有剩下的样本计算confidence loss选取排在前面的负样本，正负样本比例1：3

损失计算：类别损失和定位损失