目标检测：SSD

MachineLearning

0、参考

https://zhuanlan.zhihu.com/p/33544892

差不多也是这一篇就够了。

1、SSD基本原理

回想一下YOLO：

1、将proposal-region整合到一个网络里面，而不是像RCNN系列分两步。
2、YOLO对分类和框位置预测都采用回归预测得到结果。

现在SSD就以下三个方向进行改进：

1、使用VGG的前几层，且在最后没有接全连接，而是用卷积层代替。
2、采用了FPN的设计思路，在不同尺度的feature-map上进行预测，离原图近的feature-map上预测小物体，离原图圆的feature-map上预测大物体。
3、SSD采纳了FASTER-RCNN中的想法，用了不同的先验框。

下面针对这几个特点一一来说。

全卷积参考：
https://blog.csdn.net/lien0906/article/details/78429053
https://blog.csdn.net/lanmengyiyu/article/details/80719373

• 1）卷积层替代全连接层。简单来说，就是一个图像上有多个物体需要检测/分类时，如果用FC的话，需要多FC，但是用全卷积网络的话，就可以减少参数。

• 2）FPN。SSD和YOLO网络的比较如下图所示。可以看到SSD从conv5_3就开始预测。通过采用不同大小的feature-map作为预测输入，来得到不同尺度下的预测结果，有利于小物体的检测。
  

• 3）先验框。下面两幅图，第一幅是SSD的先验框，第二幅图是YOLO的bounding-box。对于SSD而言，它在feature-map每个像素点上，会首先给定若干个大小比例固定的先验框。之后，网络可以基于这些先验框来得到他的预测框。而在yolo上，它并没有先验框，它每个网格中随机给两个框，然后通过调整这两个框的位置，来做预测。
  
  

这里引入的先验框，跳开来看我觉得和ResNet的设计思路很相似。Yolo的操作是我不给你任何知识，你就自己随机选择然后调整吧。SSD的操作是，我告诉你这个物体有可能被这样或者那样的框框住，但是我给的不一定很准，你在我的基础之上调整吧。