[关闭]
@w460461339 2018-09-10T09:59:01.000000Z 字数 911 阅读 1045

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

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。

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注