目标检测-SSD（Single Shot MultiBox Detector）

SSD : Single Shot MultiBox Detector

论文地址：https://arxiv.org/abs/1512.02325

网络结构

与faster rcnn相比，该算法没有生成 proposal 的过程，这就极大提高了检测速度。针对不同大小的目标检测，传统的做法是先将图像转换成不同大小（图像金字塔），然后分别检测，最后将结果综合起来（NMS）。

而SSD算法则利用不同卷积层的 feature map 进行综合也能达到同样的效果。算法的主网络结构是VGG16，将最后两个全连接层改成卷积层，并随后增加了4个卷积层来构造网络结构。

采用VGG16做基础模型，首先VGG16是在ILSVRC CLS-LOC数据集预训练。然后借鉴了DeepLab-LargeFOV，分别将VGG16的全连接层fc6和fc7转换成3×33×3卷积层conv6和1×11×1卷积层conv7，同时将池化层pool5由原来的2×2−s22×2−s2变成3×3−s13×3−s1，为了配合这种变化，采用了一种Atrous Algorithm，其实就是conv6采用扩展卷积或带孔卷积（Dilation Conv），其在不增加参数与模型复杂度的条件下指数级扩大卷积的视野，其使用扩张率(dilation rate)参数，来表示扩张的大小

对其中5种不同的卷积层的输出（feature map）分别用两个不同的 3×3的卷积核进行卷积，一个输出分类用的confidence，每个default box 生成c个类别confidence；一个输出回归用的 localization，每个 default box生成4个坐标值（x, y, w, h）。

最后每个feature layer的卷积核数量为 (c+4)* k个，k是这个层每个点default box数量。预测值为m* n* (c+4)* k 个。上述5个feature map中每一层的default box的数量是给定的(8732个)。最后将前面三个计算结果分别合并然后传给loss层。
参考 https://blog.csdn.net/xiaohu2022/article/details/79833786

损失函数

损失函数也分为分类损失和回归损失，分类损失是softmax回归损失，分类损失用smooth L1。
α=1。 Let x^p_ij = {1, 0} be an
indicator for matching the i-th default box to the j-th ground truth box of category p.

default box

每个feature map生成的prior box数量是不一样的。prior box是指实际中选择的default box（每一个feature map cell 不是k个default box都取）。也就是说default box是一种概念，prior box则是实际的选取。

上图可以看出有的每个点生成6个，有的是4个。总计为：（38384 + 19196 + 10106 + 556 + 334 + 114）= 8732个prior box。
这些box的w和h由不同的scale（尺寸），aspect ratio生成。
where smin is 0.2 and smax is 0.9, meaning the lowest layer has a scale of 0.2 and the highest layer has a scale of 0.9, and all layers in between are regularly spaced

α_r ∈{1, 2, 3,1/2,1/3}，结合α和s

ssd与faster rcnn和yolo的比较

proposal选择：

SSD：在卷积后的feature map上生成m* n* k个 default box

Faster RCNN：RPN网络对卷积后的feature map选择anchor，每个点9个anchor个

YOLO：将图片划分成SxS个区域。 如果一个对象的中心落在某个单元格上，那么这个单元格负责预测这个物体。每个单元格需要预测B个边界框（bbox）值(bbox值包括坐标和宽高)，同时为每个bbox值预测一个置信度(confidence scores)。例如，在 PASCAL VOC 中，图像输入为 448x448，取 S=7，B=2，一共有20 个类别（C=20），则输出就是 7x7x30 的一个向量。

YOLOv3：选用的b-box priors 的k=9，对于tiny-yolo的话，k=6。priors都是在数据集上聚类得来的，有确定的数值，如下:

10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198, 373,326

Loss

Faster RCNN：分类是softmax损失， 回归是smoothL1。
https://blog.csdn.net/wfei101/article/details/79809332

YOLO：全是线性损失函数

YOLOv3：好像是均方误差+二元交叉熵
SSD：上面有，softmax+smoothL1