深度学习 -- SSD 算法流程详解

      SSD同样是经典论文，后续很多论文以此为基础，所以搞懂流程比较重要，中间如果 有写的不对、有问题或者有看不懂的地方，还望指正。如果有了新的理解，我会持续更新。

      作为经典论文，SSD算法也同样产生了很多后续工作比如 DSSD、RefineDet等等，而且由于有速度优势，工程中使用SSD和YOLO的可能性会更大。

      一、网络结构：

      上图是SSD和YOLO的网络结构，通过对比可以发现，SSD的优点就是它生成的 default box 是多尺度的，这是因为SSD生成default box 的 feature map 不仅仅是CNN输出的最后一层，还有利用比较浅层的feature map 生成的default box。所以SSD对于小目标的检测一定会优于YOLO v1（小目标经过高层卷积后特征几乎都消失了）。同时，又因为SSD生成的多尺度default box一定有更高概率找到更加贴近于 Ground Truth 的候选框，所以模型的稳定性是肯定比YOLO强的（YOLO的bounding box很少，只有98个，如果距离GT比较远，那么修正 bounding box 的线性回归就不成立，训练时模型可能会跑飞）。但是SSD的候选框数量是三种经典网络中最多的，有8732个，所以训练时应该会比较慢。

      二、算法流程：

      首先来看一下SSD的基本步骤（比YOLO稍微复杂点，但是也很直接了）：

• 输入一幅图片，让图片经过卷积神经网络（CNN）提取特征，并生成 feature map

• 抽取其中六层的feature map，然后再 feature map 的每个点上生成 default box（各层的个数不同，但每个点都有）
• 将生成的所有 default box 都集合起来，全部丢到 NMS（极大值抑制）中，输出筛选后的 default box，并输出

      三、算法细节：

      3.1 default box怎么生成的：

      这是原文中的图，图（b）和 图（c）中的虚线框就是生成的 default box，总共的怎么算呢？ 38x38x4、19x19x6、10x10x6、5x5x6、3x3x4、1x1x4，也就是 5773、2166、600、150、36、4，加起来一共有 8732 个box，然后我们将这些box送入NMS模块中，获得最终的检测结果。

      3.2 default 的生成规则：

      由于不同层的 feature map 对应到原图上的感受野不同，所以在不同层山生成的default box其实大小是不一样的（比例一样）。 

      生成 default box 时，在 feature map 上每个点上生成一系列同心的Defalut box（然后中心点的坐标会乘以step，相当于从feature map位置映射回原图位置）使用m（这里m = 6，因为就选了6层）个不同大小的feature map 来做预测，最底层的 feature map 的 scale 值为 Smin=0.2，最高层的为Smax=0.9，其他层通过下面的公式计算得到：

      使用不同的ratio值，[1, 2, 3, 1/2, 1/3]，通过下面的公式计算 default box 的宽度w和高度h

      而对于ratio=1的情况，指定的scale如下所示，即总共有 6 中不同的 default box。

     default box 的中心点坐标为：   , fk时第k层的feature map 的大小。

      3.3 Loss 函数：      

      后续的很多目标检测论文都是用这样的损失函数，SSD算法的损失函数分为两部分：计算相应的default box与目标类别的confidence loss以及相应的位置回归。

      其中 N 是match到Ground Truth的default box数量；而alpha参数用于调整confidence loss和location loss之间的比例，默认alpha=1。

      3.3.1 位置回归则是采用 Smooth L1 loss，目标函数为:
 

      3.3.2 confidence loss是典型的softmax loss：

     下图非常好的解释了SSD的Loss函数是怎么来的（用下别人的图，有时间自己画一个，方便理解）：

      3.4 训练样本比例：

      文中提到，由于有8000多个default box 那么matching之后会有大量的负样本，为了数据集更加干净，正负样本比例取到 1:3。

     

      以上

     参考：https://www.cnblogs.com/MY0213/p/9858383.html

      https://blog.csdn.net/wfei101/article/details/78176322

      https://blog.csdn.net/jy001227801/article/details/80388192