浅谈SSD检测算法

• 什么是MobileNet-SSD

SSD本身就是一个基于VGG16的网络，MobileNet-SSD 顾名思义就是这两个网络的组合，具体怎样组合详见网络结构图，下面详细介绍SSD的算法原理及SSD的结构。

 

 

1. SSD算法的主要网络结构是VGG16，只是将最后两个全连层改成卷积层，并又增加了4个卷积层来构造网络结构。
2. 对5种不同的卷积层的输出（feature map）分别用两个不同的3x3卷积核进行卷积，一个输出分类用的confidence，每个default box（实际上是prior box）生成的21个类别（在VOC数据集上的训练为例）的confidence，另一个输出回归用的location，每个box生成4个坐标值（x,y,w,h)。

Priorbox:目标的预选框，得到预选框，后续就可以通过softmax分类

1. 这5种feature map还经过priorbox 层生成的 priorbox（即坐标）。每个feature map层中的default box的数量在caffe 中是给定的即8732个，计算如下：

38x38x4+19x19x6+10x10x6+5x5x6+3x3x4+1X1X4=8732。最后将前面三个计算结构合并，然后传给loss层。

 

注：5种不同的卷积层大小分别为：38x38x(512ch)、19x19x(1024ch)、10x10x(512ch)、

 

训练时同样为conv1_1，conv1_2，conv2_1，conv2_2，conv3_1，conv3_2，conv3_3，conv4_1，conv4_2，conv4_3，conv5_1，conv5_2，conv5_3（512），fc6经过3*3*1024的卷积（原来VGG16中的fc6是全连接层，这里变成卷积层，下面的fc7层同理），fc7经过1*1*1024的卷积，conv6_1，conv6_2（对应上图的conv8_2），conv7_1，conv7_2，conv,8_1，conv8_2，conv9_1，conv9_2，loss。然后针对conv4_3（4），fc7（6），conv6_2（6），conv7_2（6），conv8_2（4），conv9_2（4）的每一个再分别采用两个3*3大小的卷积核进行卷积，这两个卷积核是并列的（括号里的数字代表prior box的数量，可以参考Caffe代码，所以上图中SSD结构的倒数第二列的数字8732表示的是所有prior box的数量，是这么来的38*38*4+19*19*6+10*10*6+5*5*6+3*3*4+1*1*4=8732），这两个3*3的卷积核一个是用来做localization的（回归用，如果prior box是6个，那么就有6*4=24个这样的卷积核，卷积后map的大小和卷积前一样，因为pad=1，下同），另一个是用来做confidence的（分类用，如果prior box是6个，VOC的object类别有20个，那么就有6*（20+1）=126个这样的卷积核）。