SSD是一种快速、端到端的目标检测框架，解决了Faster R-CNN的复杂性和速度问题。它结合了MultiBox回归技术，以与Faster R-CNN相当的精度达到59+FPS的实时性能。SSD利用固定先验的边界框，通过不同尺度的特征图检测不同大小的对象。训练时采用包括信心损失和位置损失的损失函数，并应用硬负挖掘以提高精度。
第三卷 第十五章 Single Shot Detectors (SSDs)
在前两章中，我们讨论了Faster R-CNN框架，然后训练了FasterR-CNN来检测图像中的道路标志。虽然Faster R-CNN使我们能够实现我们的目标，但还是有两个需要解决的问题：
1. 框架复杂，包括多个活动部件
2. 性能差，我们实现了大约 7-10 FPS——对于基于深度学习的目标检测器来说是合理的，但如果我们想要真正的实时性能则不然。
为了解决这些问题，我们将了解用于对象检测的Single Shot Detector (SSD) 框架。 SSD物体检测器完全端到端，不包含复杂的运动部件，具有超实时性能。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
