人工智能深度学习:目标检测SSD算法

论文地址: https://arxiv.org/pdf/1512.02325.pdf

SSD(英文：Single Shot MultiBox Detector)算法属于one stage方法，2016年由Wei Liu提出。使用神经网络（VGG-16）提取feature map后进行分类和回归来检测目标物体。

特点

• 结合yolo的回归思想，直接回归目标类别的位置。
• 引入类似Faster-RCNN中的Anchor机制，设置先验框(prior box)，这两个在名称上不一咬牙，本质上差不多。
• 主干网络提取特征。
• 使用多种不同尺度的特征图进行预测，大特征图检测小目标，小特征图检测大目标。
• 特征图上采用卷积核来预测一系列Default Bounding Boxes的类别、坐标偏移。

网络结构图

SSD算法结构图

检验框尺寸

1. 使用vgg-16作为主干模型，修改VGG全连接层fc6转换成3*3卷积层conv6，fc7改成1*1卷积层conv7，同时将池化层pool5由原来的stride=2的 2*2 变成stride=1的3*3。另增加4个卷积层。Conv4_3层为第一个特征图检测模块。后面新增卷积层依次为:Conv8_2，Conv9_2，Conv10_2，Conv11_2。各自大小如上图。
2. 特征图上设置检验框主要考虑：尺度（大小）和长宽比。检验框会扫过特征图的每个点，生成相应的检验框。参数生成方式见上图。
3. 训练过程，先确定图片中的ground truth（真实目标）与检验框是否匹配，根据iou过滤出最优先验框，保证正负样本比例接近1：3。
4. 损失函数：损失函数主要为：位置误差和置信度误差的加权。
5. 数据增强：主要通过水平翻转、随机裁剪颜色扭曲和随机采集块区域。
6. 预测过程中会保留置信度高的top-k个预测框，然后使用nms算法过滤重叠较大的预测款，最后剩余的预测款即为结果。