【目标检测】【1】《SSD- Single Shot MultiBox Detector》SSD目标检测器详解

最新推荐文章于 2024-07-28 08:46:40 发布

原创

最新推荐文章于 2024-07-28 08:46:40 发布 · 置顶 · 654 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#目标检测 #深度学习 #计算机视觉 #SSD #论文详解

本文详细介绍了SSD（Single Shot MultiBox Detector）目标检测器，包括其网络结构、VGG-16基底、额外特征层、定位层和置信度层的设计，以及训练过程中的default box匹配和损失计算。SSD通过不同尺度的特征图预测目标，以实现高效的目标检测。

引言

因为之前做的项目用了一下SSD，用的是github上的pytorch开源版本，认真读了一下paper，code也调通了并且训练了自己的数据。在这里记录一下SSD的详解。

论文链接
 caffe源码（作者官方代码）
pytorch源码

SSD的主要思想在于，用不同尺度的feature map，来预测不同大小、形状的目标。浅层的feature map用于预测较小的目标，高层的预测较大的。通过事先为每个feature map的每一处指定多个default box（分别预测不同形状），并预测图像中目标相较default box的偏移，以及default box的类别，来实现对目标位置和类别的预测。
这一成果发表在ECCV2016上，在当时的效果是要优于同为one-stage检测器yolo的。

但是后来yolo系列又经历了yolov2和yolov3两个版本的发展，就盖过了SSD系列的风头。可以看到，yolov3在第二象限一枝独秀。

说句题外话，三天前arxiv上新出了一篇slimYOLOv3（paper链接），看起来比YOLOv3要更优秀一些，性能如下图，且已经开源（pytorh源码链接）之后可以关注一下。

前几个月还有一篇《Objects as Points》提出了centernet，性能也非常优越，也已经开源（pytorch源码）。（ps，此篇是anchor-free的）