SSD系列算法原理讲解----(1)SSD系列算法介绍(主干网络、多尺度Feature Map预测)(笔记)

本文介绍了SSD(Single Shot MultiBox Detector)算法,一种端到端的目标检测方法,由Wei Liu在ECCV 2016提出。SSD在多个尺度的特征图上进行预测,使用VGG16作为主干网络,并通过修改FC层和添加额外卷积层适应目标检测任务。此外,文章还详细讨论了多尺度Feature Map预测和Prior box的概念,用于预测目标类别和位置。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

SSD系列算法原理介绍
SSD算法介绍:
Single Shot MultiBox Detector(One-stage方法)
- Wei Liu在ECCV 2016提出
- 直接回归目标类别和位置
- 不同尺度的特征图上进行检测
- 端到端的训练
- 图像的分辨率比较低,也能保证检测的精度
在这里插入图片描述
SSD系列算法原理介绍
在这里插入图片描述

  • 主干网络:VGGNet
  • 多尺度Feature Map预测
  • Default bounding boxes的类别分数、偏移量
    首先,SSD会包含一个主干网络,VGG16为SSD目标检测的主干网络,这里的主干网络主要作用到了第五层卷积,也就是第五个尺度上的第三个卷积层的输出结果。这里的输出结果也作为了下几个卷积层的输入,这里采用多尺度的feature map预测,也就是在进行预测的时候,会针对接下来的六个不同的尺寸来分别进行预测,这六个尺度分别包括上图的六个连线,也包含了6个feature map尺寸。19 * 19 到 10 *10通过下采样得到。最后通过NMS对检测结果进行分类和筛选。

主干网络介绍

  • VGG、ResNet、MobileNets等,各种卷积神经网
  • 将VGG最后两个FC改成卷积,并增加4个卷积层。
    虚线框里为主干网络。SSD主干网络不仅可以使用VGG,还可以使用ResNet这种更优秀的卷积神经网络结构来提取相应的特征;还可以采用一些轻量级的网络提高目标检测时间和压缩计算量,如MobileNets。
    此外,在使用VG
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值