SSD目标检测原理详解

🤗关注公众号 funNLPer 白嫖畅读全文🤗

论文：SSD: Single Shot MultiBox Detector
代码：https://github.com/weiliu89/caffe/tree/ssd

1. 目标检测简介

当前主流的目标算法主要分为两个类型：
（1）two-stage方法，如R-CNN系算法，其主要思路是先通过启发式方法（selective search）或者CNN网络（RPN）产生一系列稀疏的候选框，然后对这些候选框进行分类与回归，two-stage方法的优势是准确度高；
（2）one-stage方法，如Yolo和SSD，其主要思路是均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，然后利用CNN提取特征后直接进行分类与回归，整个过程只需要一步，所以其优势是速度快，但是均匀的密集采样的一个重要缺点是训练比较困难，这主要是因为正样本与负样本（背景）极其不均衡，导致模型准确度稍低。
不同算法的性能如图1所示，可以看到两类方法在准确度和速度上的差异

其中SSD512是指输入图片为 $512$