ML Tasks Image Detection SSD

[junxnone]

SSD Single Shot MultiBox Detector

Reference

• Github repo
• SSD paper
• 深度学习之目标检测 SSD的理解和细节分析
• SSD 分析（一）
• SSD——样本正负比控制+多尺度检测
• 深度学习笔记（七）SSD 论文阅读笔记
• 目标检测—SSD

Brief

采用 VGG16 的基础网络结构，使用前面的前 5 层，然后利用 astrous 算法将 fc6 和 fc7 层转化成两个卷积层。再格外增加了 3 个卷积层，和一个 average pool层。不同层次的 feature map 分别用于 default box 的偏移以及不同类别得分的预测，最后通过 nms得到最终的检测结果。

SSD is an unified framework for object detection with a single network.

• SSD提取了不同尺度的特征图来做检测，大尺度特征图（较靠前的特征图）可以用来检测小物体，而小尺度特征图（较靠后的特征图）用来检测大物体；
• SSD采用了不同尺度和长宽比的先验框（Prior boxes, Default boxes，在Faster R-CNN中叫做锚，Anchors）
• 原来VGG16中的fc6/7是全连接层，这里变成卷积层
• MobileNetV2 paper 中提出 SSDLite

use_depthwise options for both box_predictor and feature_extractor

训练过程

样本选取

正样本 / 负样本
根据Feature map 确定Default Box 匹配ground truth 选择IOU 最大和 IOU>0.5 的作为候选正样本集, 其他的作为候选负样本集。
将每一个GT上对应prior boxes的分类loss 进行排序，选取loss 较低的样本作为正负样本。

Term

• Feature map
• Default box: 是每个小格上对应的一系列box。
• Prior box : 是指实际中选取的default box。
• jaccard overlap: 交并比

• aspect ratio：横纵比
• scale：大小

[junxnone]

#213 #85