SSD算法原理

Paper: https://arxiv.org/pdf/1512.02325.pdf

SSD用神經網絡（VGG）提取多層feature map ，來實現對不同大小物體的檢測。如下圖所示：

We use the VGG-16 network as a base, but other networks should also produce good results.

Train:

損失函數=位置誤差（locatization loss， loc）+alpha*置信度誤差（confidence loss, conf）

其中：

1. 解決負樣本過多的問題，僅保留損失函數最大的K個FPs，即只保留K個最像正陽本的背景。
2. 運用Data augmentation技術，提高魯棒性。

 

Detect/Predict:

1. 對於每個預測框，根據類別置信度確定其類別（置信度最大者）與置信度值。
2. 根據置信度閾值（如0.5）過濾掉閾值較低的預測框。
3. 對於留下的預測框進行解碼，根據先驗框得到其真實的位置參數（解碼后一般還需要做clip，防止預測框位置超出圖片）。
4. 解碼之后，一般需要根據置信度進行降序排列，然后僅保留top-k（如400）個預測框。
5. 最后就是進行NMS算法，過濾掉那些重疊度較大的預測框。最后剩余的預測框就是檢測結果了。

 

本文參考了下面兩篇文章：

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

https://blog.csdn.net/remanented/article/details/79943418