目標檢測方法——SSD

SSD論文閱讀（Wei Liu——【ECCV2016】SSD Single Shot MultiBox Detector）

---

 

目錄

• 作者及相關鏈接
• 文章的選擇原因
• 方法概括
• 方法細節
• 相關背景補充
• 實驗結果
• 與相關文章的對比
• 總結

 

---

 

作者

 

 

• intro: ECCV 2016 Oral
• arxiv: http://arxiv.org/abs/1512.02325
• paper: http://www.cs.unc.edu/~wliu/papers/ssd.pdf
• slides: http://www.cs.unc.edu/%7Ewliu/papers/ssd_eccv2016_slide.pdf
• github: https://github.com/weiliu89/caffe/tree/ssd
• video: http://weibo.com/p/2304447a2326da963254c963c97fb05dd3a973
• github(MXNet): https://github.com/zhreshold/mxnet-ssd
• github: https://github.com/zhreshold/mxnet-ssd.cpp
• github(Keras): https://github.com/rykov8/ssd_keras

文章的選擇原因

• 性能好，single stage

方法概括

1. 文章的方法介紹

   • SSD主要用來解決目標檢測的問題（定位+分類），即輸入一張待測圖像，輸出多個box的位置信息和類別信息
   • 測試時，輸入一張圖像到SSD中，網絡輸出一個下圖最右邊的tensor（多維矩陣），對該矩陣進行非極大值抑制（NMS）就能得到每個目標的位置和label信息
   • 

     Figure2的最右圖的1th-20th Channel表示類別，每一個Channel上的map對應原圖，last 4 channel的每一個map分別對應x,y,w,h的偏移量。最后4個通道可以確定一個box的位置信息，前20個通道確定類別信息。

2. 方法的pipeline和關鍵點

方法細節

 

• 模型結構

• 多尺度特征圖

• 用來預測的卷積濾波器

• defaul box

• groundTruth的標定，損失函數

• default box和尺度的選擇

 

• SSD的訓練——Hard negative mining

• SSD的訓練——數據擴增

相關背景補充

• Atrous算法（hole算法）

• FPS/SPF, Jaccard overlap

• 二類分類/檢測常用的評價標准 （recall, precision, f-measure, accuracy, error, PR曲線和ROC曲線，AP，AUC）

• ImageNet多類分類的評價標准

• ImageNet單目標檢測的評價標准

• ImageNet（多）目標檢測的評價標准

實驗結果

• PASCAL VOC2007 test detection結果

• 使用數據擴增、多尺度default box、atrous算法的對比效果

• SSD512在某類Ianimals)上的檢測性能可視化

• SSD對於目標大小的敏感性實驗

• SSD使用的feature map的個數對結果的影響

• 示例結果

• 時間和速度

 

與相關文章的對比

 

• 原始R-CNN方法的變形

• Faster R-CNN和SSD對比

• YOLO和SSD對比

總結

• 文章貢獻

  • SSD, a single-shot detector for multiple categories (faster than YOLO, accurate as Faster R-CNN)
  • The core of SSD is predicting category scores and box offsets for a fixed set of default bounding boxes using small convolutional filters applied to multiple feature maps from different layers
  • Experimental evidence: high accuracy, high speed, simple end-to-end training (single shot)

• SSD對於其他方法的改進的關鍵點

• • Using a small convolutional filter to predict object categories and offsets in bounding box locations
  • Using separate predictors (filters) for different aspect ratio detections
  • Using multiple layers for prediction at different scales (apply these filters to multiple feature maps to perform detection at multiple stages)