SSD物体识别-论文笔记

1 简介

本文根据2016年《SSD: Single Shot MultiBox Detector》翻译总结。
SSD比YOLO更快、更准确；准确率也可以达到faster R-CNN的水平。

2 SSD

2.1 模型

1. 多尺度特征：如上图一堆extra feature layer层，他们的大小逐步减小，支持多尺度预测。
2. 卷积预测：使用卷积滤波，上面的每个特征层可以生成一个固定检测预测的集合。Bounding box offset output 是相对于一个默认的box 位置衡量的。
3. 默认boxes、纵横比：对于每个特征map cell，有默认的bounding box。如下图，针对不同的特征图（下图有两个88，44），在每个位置产生4个不同纵横比的默认box。
   

2.2 训练

1. 匹配策略：训练时需要决定哪一个默认box与ground truth detection对应。采用的是best jaccard overlap。

2. 损失函数：结合localization和confidence。公式较多，如下：
   

3. 选择默认boxes的尺度和纵横比
   

4. Hard negative mining：在训练匹配时，会发现大量默认box是negative的，故选择得分高的，最后negative和positive比例不超过3：1.

3 实验结果

可以看到SSD效果好于faster R-CNN。大的输入和更多的数据有利于结果。

从下图也可以看出来，SSD对物体大小敏感的（下面左图），更容易识别大的物体；对纵横比不敏感（下面右图），或者说较健壮，因为已使用了不同纵横比的box。

3.1 模型分析

从上表可以看出来，数据增强、更多的默认box可以提高mAP。使用atrous可以提高速度20%。Atrous 卷积，就是带洞的卷积，带洞卷积的有效性基于一个假设：紧密相邻的像素几乎相同，全部纳入属于冗余，不如跳H(hole size)个取一个。带洞卷积减少了核的大小（减少了参数的数量），可以达到节省内存的作用。