SSD也可用于目标检测，但是对于小物体检测存在局限性，愿意在于feature map提取的语义没有深层语义。他有6个采样层：conv4_3,conv7_2,conv8_2,conv9_2,conv10_2,conv11_2(1 * 1 * 1024+3 * 3 * channel-stride降采样)最后SSD300一共可以预测 38 × 38 × 4 + 19 × 19 × 6 + 10 × 10 × 6 + 5 × 5 × 6 + 3 × 3 × 4 + 1 × 1 × 4 = 8732 38×38×4+19×19×6+10×10×6+5×5×6+3×3×4+1×1×4=8732 38×38×4+19×19×
S3FD（SingleShotScale-invariantFaceDetector）针对SSD在小物体检测上的局限性，特别是在人脸检测中的问题，提出了解决方案。S3FD采用多尺度anchor和检测层，通过anchor尺度补偿策略提高小人脸召回率，并引入max-out背景标签减少负样本。网络结构基于VGG16，通过L2归一化处理不同尺度特征。此外，还介绍了scale compensation anchor matching strategy以改进匹配效果，以及max-out背景标签策略来优化小anchor的背景分类。在AFW、PASCAL face、FDDB和WIDER FACE数据集上进行了实时检测验证，显著提高了小人脸的检测性能。
最低0.47元/天 解锁文章
扫一扫
7467
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
