[目标检测]SSD原理

1 SSD基础原理

1.1 SSD网络结构

SSD使用VGG-16-Atrous做为基础网络，其中黄色部分为在VGG-16基础网络上填加的特征提取层。SSD与yolo不一样之处是除了在最终特征图上作目标检测以外，还在以前选取的5个特特征图上进行预测。
SSD图1为SSD网络进行一次预测的示意图，能够看出，检测过程不只在填加特征图(conv8_2, conv9_2, conv_10_2, pool_11)上进行，为了保证网络对小目标有很好检测效果，检测过程也在基础网络特征图(conv4_3, conv_7)上进行。

1.2 SSD网络的损失函数

注意：图中fc6, fc7名为fc，实际上是卷积层。
SSD图2为整个SSD训练网络的结构，因为图像所含层数太多，网络中不能看到每层细节，我重画其中部分层为绿色，做为表明。能够看出，GT标签在分特征图上生成priorbox，即再将全部priobox组合为mbox_priorbox做为全部默认框的真实值。再看预测过程，会在所选取的特征图进行两个 3x3卷积，其中一个输出每一个默认框的位置(x, y, w, h)四个值，另外一个卷积层输出每一个默认框检测到不一样类别物体的几率，输出个数为预测类别个数。再将全部的默认框位置整合为mbox_loc，将全部默认框预测类别的向量组合为mbox_conf。mbox_loc、mbox_conf为全部预测默认框，将它与全部默认框的真实值mbox_priorbox进行计算损失，获得mbox_loss。
图中data下方每一个priorbox都对应了min_size与max_size，表示不一样特征图上的默认框在原图上的最小与最大感觉野。关于不一样特征图上的min_size与max_size，论文中给出的计算公式，惋惜与实现的prototxt中的参数并不对应。
SSD的损失函数如图3所示，由每一个默认框的定位损失与分类损失构成。

1.3 SSD网络训练技巧

1.3.1 数据加强

SSD训练过程当中使用的数据加强对网络性能影响很大，大约有6.7%的mAP提高。

(1) 随机剪裁：采样一个片断，使剪裁部分与目标重叠分别为0.1, 0.3, 0.5, 0.7, 0.9，剪裁完resize到固定尺寸。

(2) 以0.5的几率随机水平翻转。

1.3.2 是否在基础网络部分的conv4_3进行检测

基础网络部分特征图分辨率高，原图中信息更完整，感觉野较小，能够用来检测图像中的小目标，这也是SSD相对于YOLO检测小目标的优点所在。增长对基础网络conv4_3的特征图的检测可使mAP提高4%。

1.3.3 使用瘦高与宽扁默认框

数据集中目标的开关每每各式各样，所以挑选合适形状的默认框可以提升检测效果。做者实验得出使用瘦高与宽扁默认框相对于只使用正方形默认框有2.9%mAP提高。

1.3.4 使用atrous卷积

一般卷积过程当中为了使特征图尺寸特征图尺寸保持不变，经过会在边缘打padding，但人为加入的padding值会引入噪声，所以，使用atrous卷积可以在保持感觉野不变的条件下，减小padding噪声，关于atrous参考。本文SSD训练过程当中而且没有使用atrous卷积，但预训练过程使用的模型为VGG-16-atrous，意味着做者给的预训练模型是使用atrous卷积训练出来的。使用atrous版本VGG-16做为预训模型比较普通VGG-16要提升0.7%mAP。

1.4 实验结论

做者发现SSD对小目标检测效果很差(但也比YOLO要好，所以多特征图检测)，这是由于小物体在高层特征图上保留不多的信息，经过增长输入图像的尺寸可以解决对小物体检测效果。

1.5 参考

ssd详解
关于atrous