【论文阅读笔记】SSD：Single Shot MultiBox Detector

地址：SSD：Single Shot MultiBox Detector
时间：2015年12月发布，2016年12月最终

---

全文概括

  SSD引入了Faster RCNN的anchor，使用多level 的 feature map来进行分类和回归，从而增强多尺度的语义信息(SSD应用在不同尺度的feature 上)。

  在VOC 2007 test数据集上，SSD达到$74.3\%$的mAP及$59$FPS；而Faster R-CNN 达到$73.2\%$的mAP及$7$FPS、YOLO达到$63.4\%$的mAP及$45$FPS。即SSD达到了当时最好的性能，且比YOLO要快(个人认为，在骨架网络上，SSD与YOLO最大的区别在于没有后面的fc层，即速度的提升来自于conv层代替fc层。fc层需要更大的内存，而conv可以通过数据复用，减少访问存储的次数。而且，conv层的可优化加速空间更大)

  在不同level的feature map上，使用的检测网络(分类和回归)是不一样的，即不共用。

---

SSD模型

  骨干网络使用VGG16，但fc6和fc7变成conv layer，移除fc8和dropout层，pool5从22-stride2变成33-stride1；
  检测网络在每个不同level的feature map是不同的，假设该层feature map有p个channel，使用33p的卷积核得到输出的一个维度（即预测其中的一个值，类别分数或者边框offset）；
  每个anchor都计算分类分数和边框偏移；

---

模型相关训练方法

  模型训练时，使用硬负样本缩减策略，正负比例为1:3；
  标记样本时，重叠率超过0.5就标记为ground truth；[作者认为，这简化了学习问题，允许网络给多个重叠annchor高分，而不是要求它仅选最大重叠的框]；
  损失函数使用和Faster RCNN一样的：平滑L1损失函数+softmax loss；