一、目標檢測之SSD

SSD: Single Shot MultiBox Detector

• 論文鏈接：https://arxiv.org/abs/1512.02325

• 論文翻譯：https://blog.csdn.net/denghecsdn/article/details/77429978

• 論文詳解：https://blog.csdn.net/WZZ18191171661/article/details/79444217

• 論文代碼：https://github.com/balancap/SSD-Tensorflow

二、SSD算法

1、整體框架

圖1：
圖2：算法步驟：

1、輸入一幅圖片(300x300)，將其輸入到預訓練好的分類網絡中來獲得不同大小的特征映射，修改了傳統的VGG16網絡；

• 將VGG16的FC6和FC7層轉化為卷積層，如圖1上的Conv6和Conv7；

• 去掉所有的Dropout層和FC8層；

• 添加了Atrous算法(hole算法)；

• 將Pool5從2x2-S2變換到3x3-S1；

2、抽取Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2層的feature map，然后分別在這些feature map層上面的每一個點構造6個不同尺度大小的bbox，然后分別進行檢測和分類，生成多個bbox，如圖2所示；

3、將不同feature map獲得的bbox結合起來，經過NMS(非極大值抑制)方法來抑制掉一部分重疊或者不正確的bbox，生成最終的bbox集合(即檢測結果)；

2、算法細節

(1)多尺度特征映射

SSD算法中使用到了conv4_3,conv_7，conv8_2,conv7_2,conv8_2,conv9_2,conv10_2,conv11_2這些大小不同的feature maps，其目的是為了能夠準確的檢測到不同尺度的物體，因為在低層的feature map,感受野比較小，高層的感受野比較大，在不同的feature map進行卷積，可以達到多尺度的目的。

Why?：我們將一張圖片輸入到一個卷積神經網絡中，經歷了多個卷積層和池化層，我們可以看到在不同的卷積層會輸出不同大小的feature map(這是由于pooling層的存在，它會將圖片的尺寸變小)，而且不同的feature map中含有不同的特征，而不同的特征可能對我們的檢測有不同的作用。總的來說，淺層卷積層對邊緣更加感興趣，可以獲得一些細節信息，而深層網絡對由淺層特征構成的復雜特征更感興趣，可以獲得一些語義信息，對于檢測任務而言，一幅圖像中的目標有復雜的有簡單的，對于簡單的patch我們利用淺層網絡的特征就可以將其檢測出來，對于復雜的patch我們利用深層網絡的特征就可以將其檢測出來，因此，如果我們同時在不同的feature map上面進行目標檢測，理論上面應該會獲得更好的檢測效果。

(2)Defalut box
如上圖所示，在特征圖的每個位置預測K個bbox，對于每一個bbox，預測C個類別得分，以及相對于Default box的4個偏移量值，這樣總共需要?(C+4)×K個預測器，則在m×n的feature map上面將會產生?(C+4)×K×m×n個預測值。

分析：
SSD中的Defalut box和Faster-rcnn中的anchor機制很相似。就是預設一些目標預選框，后續通過softmax分類+bounding box regression獲得真實目標的位置。對于不同尺度的feature map 上使用不同的Default boxes。如上圖所示，我們選取的feature map包括38x38x512、19x19x1024、10x10x512、5x5x256、3x3x256、1x1x256，Conv4_3之后的feature map默認的box是4個，我們在38x38的這個平面上的每一點上面獲得4個box，那么我們總共可以獲得38x38x4=5776個；同理，我們依次將FC7、Conv8_2、Conv9_2、Conv10_2和Conv11_2的box數量設置為6、6、6、4、4，那么我們可以獲得的box分別為2166、600、150、36、4，即我們總共可以獲得8732個box，然后我們將這些box送入NMS模塊中，獲得最終的檢測結果。

Defalut box生成規則：

• 以feature map上每個點的中點為中心(offset=0.5)，生成一系列同心的Defalut box(然后中心點的坐標會乘以step，相當于從feature map位置映射回原圖位置)

• 使用m(SSD300中m=6)個不同大小的feature map 來做預測，最底層的 feature map 的 scale 值為 Smin=0.2，最高層的為Smax=0.95，其他層通過下面的公式計算得到：

• 使用不同的ratio值，[1, 2, 3, 1/2, 1/3]，通過下面的公式計算 default box 的寬度w和高度h

• 而對于ratio=0的情況，指定的scale如下所示，即總共有 6 中不同的 default box。(3)Loss

loss函數分為兩部分：計算相應的default box與目標類別的confidence loss以及相應的位置回歸。
其中N是match到Ground Truth的default box數量；而alpha參數用于調整confidence loss和location loss之間的比例，默認alpha=1。

位置回歸則是采用?Smooth L1 loss，loss函數為:
confidence loss是典型的softmax loss：

總結

以上是生活随笔為你收集整理的SSD浅层网络_目标检测SSD的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。