饭后时间（二）---SSD单步多框目标检测之vgg16 & 全连接层，多尺度目标识别

https://www.bilibili.com/video/av45229661（两课）

single shot multibox detector 特点

1 结构上采用了卷积的形式取代了全连接层

2 卷积核不变的情况下，采用特征图降采样，来识别不同大小的同一类物体

3 设置多个先验框

4 CNN直接检测

1 结构

下图VGG16

输入:（224x224x3）
->两个（卷积层+relu） （224x224x64）
->一个最大池化， 两个卷积+relu  （112x112x128）
->一个最大池化，三个卷积+relu  （56x56x256）
->一个最大池化，三个卷积+relu  （28x28x512）
->一个最大池化，三个卷积+relu  （14x14x512）
->一个最大池化（7x7x512）
->三个全连接层+relu：前两个是（1x1x4096）维向量，最后一个是输出（1x1x1000）1000个类别
->softmax

保留VGG16的前5层
后面6、7层从全连接层，变成了conv卷积层

下图SSD

 

YOLO是有两个全连接层FC，分别由relu, 和reshape两个功能
SSD将这两个功能直接放到了卷积来进行操作，更加高效

YOLO

2 vgg16介绍

原vgg网络：

输入:（224x224x3）
->两个（卷积层+relu） （224x224x64）
->一个最大池化， 两个卷积+relu  （112x112x128）
->一个最大池化，三个卷积+relu  （56x56x256）
->一个最大池化，三个卷积+relu  （28x28x512）
->一个最大池化，三个卷积+relu  （14x14x512）
->一个最大池化（7x7x512）
->三个全连接层+relu：前两个是（1x1x4096）维向量，最后一个是输出（1x1x1000）1000个类别
->softmax
 

在SSD中这个网络叫 SSD-vgg300

ssd使用的是3*3的卷积核，
但是每次使用的卷积核的个数是不同的

1 输入: 300*300*3

2 Conv1-2: 使用的3*3*3*64（3*3卷积核，3通道，64个卷积核）
padding=2（加了两条边，300*300*3变成了302*302*3，为了保持大小不变）
s=1 步长为1，进行卷积，得到特征图
特征图：300*300*64（保持大小不变）（302-2*1 = 300）

maxpooling2*2,  s=2   （2*2池化层 步长2）
特征图：150*150*64

3 Conv2-3：使用padding=SAME（ps:好像same自动能变成76）,
卷积核128个=75*75*128    150*150池化得到75奇数，在第三次卷积之前75添加到76

4 Conv3-4: 使用padding=SAME,
卷积核256个=38*38*256 /有三个子层    采用repeat多次操作

5 Conv4-5: 使用padding=SAME,
卷积核512个=19*19*512 /有三个子层    采用repeat多次操作

PS:池化层示意图
 2*2maxpooling  步长为2（蓝色田字格）
每个2*2池化会提取4个块里面最明显特征保留，如下图
2*2池化层，池化4*4特征图为2*2

3 全连接 转换成 卷积层

使用卷积层好处：参数共享，便于计算

选图选自  吴恩达Deeplearning.ai   b站有

3.1 先看relu+降维

1 做卷积

PS:这里是不是这样计算的？？？

2 池化

3
第一个全连接层，打平，然后relu=max(0,z) 小于0 的置零

第二个全连接层，用于降维，在这里没有降维，没有进行任何运算
 

PS:其中左边每个 像素要跟右边进行计算 
5*5*16=400,
右边400， 
400*400计算量还是很大的

3.2 下面卷积核

5*5的卷积核，的到400个特征

一个5*5的卷积核计算25次，左边有16层，400个卷积核
计算量为 25*16*400

然后用1*1的卷积核，400个，得到1*1*400  tensor

softmax得到确认是4类中的哪一类

4 SSD   大尺度特征图识别小目标，小尺度特征图识别大目标

左大尺度，右小尺度