14、计算机视觉中的目标检测架构：SSD 与 YOLO 详解

计算机视觉中的目标检测架构：SSD 与 YOLO 详解

1. Single Shot Multibox Detector (SSD)

Single Shot Multibox Detector (SSD) 是计算机视觉中一种流行的目标检测架构，以其在图像中检测各种尺寸目标的速度和准确性而闻名。它旨在通过单次网络前向传播直接预测目标边界框和类别概率，实现实时目标检测。

1.1 SSD 架构概述

• 基础卷积层 ：与其他卷积神经网络类似，SSD 从一个基础网络（通常是 VGG 或类似架构）开始，该网络从输入图像中提取特征，用于目标检测。
• 多尺度特征图 ：SSD 的关键特性之一是使用多个卷积层来捕获不同尺度的特征。这些层具有不同的感受野大小，使网络能够检测不同大小的目标。每个层都会生成一组表示输入图像不同尺度的特征图。
• 卷积预测器 ：在每个特征图上，SSD 附加一组卷积层进行预测。这些预测层负责检测特定尺寸范围内的目标，它们预测边界框坐标（相对于默认框的偏移量）和特征图中每个位置的类别分数。
• 默认框 ：SSD 在特征图的每个位置使用一组默认框（也称为锚框）。这些默认框具有不同的宽高比和尺度，使模型能够处理各种大小和形状的目标。网络随后预测对这些默认框的调整，以准确定位目标。
• 多尺度预测 ：通过将多个预测层连接到不同尺度的特征图上，SSD 可以同时对各种大小的目标进行预测，这对于在一次前向传播