简介

在作者的原论文中提到，SSD算法要比当时优秀的Faster RCNN算法和YOLO算法识别效果更好，识别速度也更快。

在原论文中，作者提到他们团队做的贡献主要有以下几个方面：

作者除了提出了优秀算法SSD之外，还指出了SSD算法的核心是在特征图上使用小卷积滤波器，预测固定的一组默认边界框的类别得分和位置偏移量。
为了提高检测精度，他们在不同尺寸的特征图上产生出不同尺度的预测，并且通过不同长宽比来明确地区分预测。
SSD算法的设计实现了简单的端到端的训练，即便输入的是低分辨率的图像，也能够保持识别速度和精度的平衡。
在PASCAL VOC，MS COCO和ILSVRC上实验并评估分析不同输入大小下模型的耗时和精度，并与一系列最先进的算法进行比较。

Faster RCNN算法可以说是Two-stage算法的优秀之作，准确率较高但是缺点在于模型大而慢；YOLO算法是One-stage算法的开山之作，识别速度快但是效果不太理想。SSD算法可以说是融合了两家的优点，使用了YOLO的模型思想，同时也引入了Faster-RCNN算法的anchor box原理，所以在性能上可以与两个优秀算法一较高下，甚至比上面的算法还要优秀。

以下是SSD算法的一些检测原理以及检测结果：

1 SSD模型

在这里插入图片描述

2 SSD算法的核心设计思想

SSD和YOLO一样都是采用一个CNN网络来进行检测，YOLO使用但尺度的特征图进行预测，但是SSD却采用了多尺度的特征图，得到的是多组类别得分和建议框的回归数据，其基本架构图如下（在原论文中作者使用的是六个尺度）：
在这里插入图片描述

3 多尺度特征图检测思想

所谓使用多尺度特征图来预测，实际上就是在不同大小的特征图上预测，CNN网络随着网络深度的增加，一般是前面的卷积层得到的特征图尺度会比较大，随着后面不断使用的stride=2卷积和池化下采样层，会导致后面的卷积网络层得到的特征图尺度比较小。而多尺度预测就是使用从前到后不同大小的特征图来进行预测，这样有一个很大的优点就是大的特征图可以检测小目标，小的特征图可以用来检测大目标。而每一层的检测原理与单尺度特征图的检测思想是一样的。

4 单尺度特征图检测

YOLO最后采用的是全连接层，SSD直接采用卷积对不同的特征图进行提取检测结果，对于形状为mxnxp的特征图，只需要采用3x3xp这样小的卷积核来进行卷积，得到关于类别和anchor的位置检测值。

4.1 先验框的设置

为了更准确的预测物体bounding box，SSD借鉴了faster rcnn中的default box思想。先假设，每一个cell中已经存在多个default box，default box的长宽固定（default box长宽的比例和大小文章中也有专门的设定），default box中心位于每一个cell正中。以下图为例，每一个cell中有四个固定大小的default box。
在这里插入图片描述在预测的时候每个cell都会有4个预测，而每一个预测对应的是一个default box
每一个预测框里面都会有多个数值，而这些数值主要分为两个部分：
第一部分是各个类别的置信度或者评分，值得注意的是SSD将背景也当做了一个特殊的类别，如果检测目标共有C个类别，SSD其实需要预测 C+1个置信度值，其中第一个置信度指的是不含目标或者属于背景的评分。在预测过程中，置信度最高的那个类别就是边界框所属的类别。特别地，当第一个置信度值最高时，表示边界框中并不包含目标。
第二部分就是边界框的location，包含4个值，分别表示边界框的中心坐标以及宽高。但是真实预测值其实只是边界框相对于先验框的转换值。
在这里插入图片描述

4.2 先验框的比例和宽高比

每个特征图的先验框的尺寸可用下式计算：
在这里插入图片描述

其中Smin是0.2，Smax是0.9，意味着最底层是0.2，最高层是0.9，期间所有的层按规律递增，我们为默认的bbox应用了不同的长宽比。通过计算可以得到每个先验框的长度和宽度。
在这里插入图片描述

对于长宽比为1的，我们也加了一个默认的bbox，尺度为

在这里插入图片描述

特征图的每个位置有6个默认的box，我们设置每个bbox的中心为
在这里插入图片描述其中|Fk|是第k个特征图的尺寸

4.3 Loss计算

训练样本确定了，然后就是损失函数了。损失函数定义为位置误差（locatization loss， loc）与置信度误差（confidence loss, conf）的加权和，对于正例，即default box有GT框的，loss分为类别损失和位置损失。对于反例，即default box没有GT框的，loss只有类别损失（类别是背景）。
Loss是confidence loss和location loss加权之和：
在这里插入图片描述 location loss计算如下：
其中，y是预测值，y^{hat是预测值的label。对于cx，cy，w，h的y}hat采用下式计算：
g是ground truth值，d是default box的先验值。可以看出，中心点坐标就是ground truth值与default box先验值得相对差，w和h是ground truth值与default box先验值比值的对数。

confidence loss计算如下：
在这里插入图片描述都是cross entropy loss。

5 性能评估

SSD在VOC2007，VOC2012及COCO数据集上的性能，如表1所示。相比之下，SSD512的性能会更好一些。
在这里插入图片描述
参考：
https://www.cnblogs.com/cecilia-2019/p/11342791.html
https://zhuanlan.zhihu.com/p/59101820
https://zhuanlan.zhihu.com/p/65484308