浅谈SSD检测算法

本文介绍了MobileNet-SSD的算法原理,它是VGG16与MobileNet的结合。SSD通过修改VGG16的全连接层并增加额外的卷积层来构建网络。在不同尺度的特征图上,使用3x3卷积核生成分类confidence和定位location。MobileNet-SSD利用Priorbox生成预选框,并通过softmax进行分类。网络结构包括多个不同尺寸的卷积层,如38x38、19x19等,总共产生8732个prior box。训练时,卷积层如conv4_3、fc7等会进行额外的卷积操作,用于定位和分类。

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

  • 什么是MobileNet-SSD

SSD本身就是一个基于VGG16的网络,MobileNet-SSD 顾名思义就是这两个网络的组合,具体怎样组合详见网络结构图,下面详细介绍SSD的算法原理及SSD的结构。

 

 

  1. SSD算法的主要网络结构是VGG16,只是将最后两个全连层改成卷积层,并又增加了4个卷积层来构造网络结构。
  2. 对5种不同的卷积层的输出(feature map)分别用两个不同的3x3卷积核进行卷积,一个输出分类用的confidence,每个default box(实际上是prior box)生成的21个类别(在VOC数据集上的训练为例)的confidence,另一个输出回归用的location,每个box生成4个坐标值(x,y,w,h)。

Priorbox:目标的预选框,得到预选框,后续就可以通过softmax分类

  1. 这5种feature map还经过priorbox 层生成的 priorbox(即坐标)。每个feature map层中的default box的数量在caffe 中是给定的即8732个,计算如下:

38x38x4+19x19x6+10x10x6+5x5x6+3x3x4+1X1X4=8732。最后将前面三个计算结构合并,然后传给loss层。

 

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