深度学习-SSD算法[通俗易懂]

详细解析：
深度学习-SSD算法

一、SSD网络结构

图1 SSD网络架构（精简版)

图2 SSD网络架构（细节版）

图3 VGG16网络架构

输入图像必须为300×300的，之后进入VGG16Conv5_3之前的全部网络结构

SSD采用VGG16作为基础模型，并且做了以下修改，如图1所示

• 分别将VGG16的全连接层FC6和FC7转换成 3×3 的卷积层 Conv6和 1×1 的卷积层Conv7
• 去掉所有的Dropout层和FC8层
• 同时将池化层pool5由原来的 stride=2 的 2×2 变成stride=1的 3×3 （猜想是不想reduce特征图大小）
• 添加了Atrous算法（hole算法），目的获得更加密集的得分映射
• 然后在VGG16的基础上新增了卷积层来获得更多的特征图以用于检测

算法细节

1、多尺度特征映射

图4 单层feature map预测和多层特征金字塔预测对比

如图4所示，左边的方法针对输入的图片获取不同尺度的特征映射，但是在预测阶段仅仅使用了最后一层的特征映射；而SSD（右图）不仅获得不同尺度的特征映射，同时在不同的特征映射上面进行预测，它在增加运算量的同时可能会提高检测的精度，因为它具有更多的可能性。

图5 SSD与Faster-rcnn比较

预测的过程
c表示识别多少个类别，一个default boxs有c个类别加上一个背景识别，有背景得分和物体识别得分。4表示边界框回归参数(x,y,w,h)

Faster RCNN存在的问题

• 对小目标检测效果很差
• 模型大，检测速度较慢

如图5所示，对于BB（bounding boxes）的生成，Faster-rcnn和SSD有不同的策略，但是都是为了同一个目的，产生不同尺度，不同形状的BB，用来检测物体。对于Faster-rcnn而言，其在特定层的Feature map上面的每一点生成9个预定义好的BB，然后进行回归和分类操作来进行初步检测，然后进行ROI Pooling和检测获得相应的BB；而SSD则在不同的特征层的feature map上的每个点同时获取6个（有的层是4个）不同的BB，然后将这些BB结合起来，最后经过NMS处理获得最后的BB。

今天的文章深度学习-SSD算法[通俗易懂]分享到此就结束了，感谢您的阅读。