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）

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

SSD系列算法原理介绍

• 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