深度學習 目標檢測算法 SSD 論文簡介
一、論文簡介：
ECCV-2016 Paper：https://arxiv.org/pdf/1512.02325v5.pdf
Slides：http://www.cs.unc.edu/~wliu/papers/ssd_eccv2016_slide.pdf
二、代碼訓練測試：
https://github.com/weiliu89/caffe/tree/ssd
一、論文算法大致流程：
1.類似“anchor”機制：
如上所示：在 feature map 上進行類似 proposal 的 Bbox 提取，然后大於某一閾值的 Bbox 被認為是 positive samples。后面進行分類回歸。
2.整個網絡架構設計如下所示：
該框架和 Faster RCNN 最重要的兩個區別在於：
1. 將 Faster RCNN 的卷積加全連接層的網絡結構，轉換為：全卷機結構。這一改變，使得檢測的速度，得到很大的提升。
2. 將 RPN 提取 proposal 的機制，轉移到各個 scale 的 feature map 上進行，使得檢測的精度也非常高。
基於這兩個改善的基礎上，使得SSD在物體檢測算法中脫穎而出。