目标检测总结:SSD

SSD是一种多尺度特征层目标检测方法,使用卷积预测器进行预测,并预设不同大小的anchor。匹配策略允许多个重叠anchor预测同一目标,简化学习问题。目标函数与faster RCNN相似,使用坐标偏移量回归。此外,SSD还采用hard negative mining和数据增强技术,如随机裁剪和尺度变换,以提高精度和效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目标检测总结:SSD


之前回顾了one-stage目标检测中的Yolo系列,本文介绍另一种 one-stage 框架——SSD。
思想:

  • 多尺度的特征层用于目标检测,如下图所示,共有6个不同尺度的特征层进行预测。
    在这里插入图片描述
  • 基于卷积的预测器,SSD通过卷积操作对对应特征层进行预测。
  • 默认的边界框和长宽比,与faster RCNN类似,ssd预先指定anchor的大小,但不同的是SSD是把anchor应用到不同分辨率的特征映射中。
  • 匹配策略,gtbox可能与多个anchor重叠,SSD将gtbox与gtbox的IOU>0.5的anchor相匹配,也就是允许多个重叠的anchor负责预测同一个gtbox,这简化了学习问题。
  • 目标函数:
    在这里插入图片描述在这里插入图片描述在这里插入图片描述
    与fasterRCNN类似,ssd对于坐标回归的目标也是偏移量。
  • 默认边界框的长宽比以及尺度:
    在这里插入图片描述
    Smin取0.2,Smax取0.9,这意味着最低层有0.2的尺度,最高层有0.9的尺度,长宽比有1,2,3,1/2,1/3,我们可以为每个边界框计算w和h,另外中心点为(0,
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值