SSD算法简单介绍

SSD算法

论文连接SSD: Single Shot MultiBox Detector

SSD，全称Single Shot MultiBox Detector，是目前主要的检测框架之一，其基于将detection转化为regression的思路，可以一次完成目标定位与分类。该算法基于Faster RCNN中的Anchor，提出了相似的Prior box；该算法修改了传统的VGG16网络：将VGG16的FC6和FC7层转化为卷积层，如图1上的Conv6和Conv7；去掉所有的Dropout层和FC8层；添加了Atrous算法（hole算法），将Pool5从2x2-S2变换到3x3-S1，同时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。

SSD算法工作流程

1. 输入一幅图片，将其输入到预训练好的分类网络中来获得不同大小的特征映射；
2. 抽取Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2层的feature map，然后分别在这些feature map层上面的每一个点构造6个不同尺度大小的BB（bounding box），然后分别进行检测和分类，生成多个BB，如图1所示；
3. 将不同feature map获得的BB结合起来，经过NMS（非极大值抑制）方法来抑制掉一部分重叠或者不正确的BB，生成最终的BB集合（即检测结果）。
   下图为SSD算法的工作流程图：
   

Defalut box生成规则

为提高目标的识别准确度，该网络预设了多种尺度的目标检测框（Defalut box），每个目标检测框获得的feature map通过softmax分类+bounding box regression获得真实目标的位置。Defalut box是以feature map上每个点的中点为中心（offset=0.5），生成一系列同心的Defalut box（然后中心点的坐标会乘以step，相当于从feature map位置映射回原图位置），使用m(SSD300中m=6)个不同大小的feature map 来做预测，最底层的 feature map 的 scale 值为 Smin=0.2，最高层的为Smax=0.95，其他层通过下面的公式计算得到：
$$s_k=s_{min}+\frac{s_{max}-s_{min}}{m-1}(k-1)$$

LOSS计算

SSD算法的目标函数分为两部分：计算相应的default box与目标类别的confidence loss以及相应的位置回归(location loss)。总体loss计算为：
$$L(x,c,l,g)=\frac{1}{N}(L_{conf}(x,c)+\alpha L_{loc}(x,l,g))$$
其中N是match到Ground Truth的default box数量；而α参数用于调整confidence loss和location loss之间的比例，默认α=1；
位置回归则是采用 Smooth L1 loss计算预测框box（l）和真值框box（g）直接的loss，其函数表示为:
L l o c ( x , l , g ) = ∑ ∈ P o s N ∑ m ∈ c x , c y ,