SSD原理

目标检测系列文章
yolo v1原理：https://blog.csdn.net/cjnewstar111/article/details/94035842
yolo v2原理：https://blog.csdn.net/cjnewstar111/article/details/94037110
yolo v3原理：https://blog.csdn.net/cjnewstar111/article/details/94037828
SSD原理：https://blog.csdn.net/cjnewstar111/article/details/94038536
FoveaBox：https://blog.csdn.net/cjnewstar111/article/details/94203397
FCOS：https://blog.csdn.net/cjnewstar111/article/details/94021688
FSAF: https://blog.csdn.net/cjnewstar111/article/details/94019687

基本原理

在多个尺寸的feature map上面使用anchors预测，每个anchor对应4个坐标+1组分类概率（包含背景类别）

网络结构

实现细节

anchor生成规则：

在SSD中6层卷积层的每个特征图的每个中心点会产生2个不同大小的正方形默认框，另外每设置一个aspect_ratio则会增加两个长方形默认框，而文中代码对于6层的aspect_ratio个数分别为1、2、2、2、1、1，所以这也就是为什么会产生4、6、6、6、4、4个默认框了。举例如下：

根据以上分析，我们可以计算6层中每个特征图的每个中心点所产生的默认框的大小，分别如下：

conv4_3：

小正方形边长=min_size=30，大正方形边长=sqrt(min_size*max_size)=sprt(30*60)=42.42；

长方形的宽=sqrt(aspect_ratio)*min_size=sqrt(2)*30，高=1/sqrt(aspect_ratio)*min_size=30/sqrt(2)，宽高比刚好为2：1；

将以上宽高旋转90度产生另一个长方形，宽高比变为1：2。

fc7：

小正方形边长=min_size=60，大正方形边长=sqrt(min_size*max_size)=sprt(60*111)=81.6；

第1组长方形的宽=sqrt(aspect_ratio)*min_size=sqrt(2)*60，高=1/sqrt(aspect_ratio)*min_size=60/sqrt(2)，宽高比刚好为2：1；

将以上宽高旋转90度产生另一个长方形，宽高比变为1：2。

第2组长方形的宽=sqrt(aspect_ratio)*min_size=sqrt(3)*60，高=1/sqrt(aspect_ratio)*min_size=60/sqrt(3)，宽高比刚好为3：1；

将以上宽高旋转90度产生另一个长方形，宽高比变为1：3。

conv6_2：

小正方形边长=min_size=111，大正方形边长=sqrt(min_size*max_size)=sprt(111*162)；

第1组长方形的宽=sqrt(aspect_ratio)*min_size=sqrt(2)*111，高=1/sqrt(aspect_ratio)*min_size=111/sqrt(2)，宽高比刚好为2：1；

将以上宽高旋转90度产生另一个长方形，宽高比变为1：2。

第2组长方形的宽=sqrt(aspect_ratio)*min_size=sqrt(3)*111，高=1/sqrt(aspect_ratio)*min_size=111/sqrt(3)，宽高比刚好为3：1；

将以上宽高旋转90度产生另一个长方形，宽高比变为1：3。

......

位置信息（与RCNN一致）

位置信息采用(X中心，Y中心，宽，高)表示

假设anchor（default box）使用如下坐标表示

gt使用如下坐标表示

偏移使用如下公式表示：

 

损失函数

正负样例的选择

与gt的IOU最大的先验框作为正样例

剩余未匹配的先验框如果与某个gt的IOU大于阈值（0.5），也作为正样例

 

正负样例平衡

采用所谓的hard negtive mining策略。即选取背景概率最大的top k个作为负样本，使得正负样本比例为1:3

 

参考资料

《目标检测——one-stage 检测（二）》