SSD目标检测 原理详解

一 SSD具有如下主要特点：

1. 从YOLO中继承了将detection转化为regression的思路，一次完成目标定位与分类
2. 基于Faster RCNN中的Anchor，提出了相似的Prior box；
3. 加入基于特征金字塔（Pyramidal Feature Hierarchy）的检测方式，即在不同感受野的feature map上预测目标

二 SSD/YOLO区别：

1. YOLO在卷积层后接全连接层，即检测时只利用了最高层Feature maps（包括Faster RCNN也是如此）
2. SSD采用金字塔结构，即利用了conv4-3/conv-7/conv6-2/conv7-2/conv8_2/conv9_2这些大小不同的feature maps，在多个feature maps上同时进行softmax分类和位置回归

3. SSD还加入了Prior box

   

三 Prior Box和数据流

在SSD300中引入了Prior Box，实际上与Faster RCNN Anchor非常类似，就是一些目标的预选框，后续通过classification+bounding box regression获得真实目标的位置。