概要
現在目标檢測網絡有采用全卷積結構進行預測的趨勢，采用該結構能夠1）大幅降低參數數量（全連接配接參數數量巨大），2）适配任意尺度輸入，3）精度上也沒有顯著降低 等優點。這兩天在研究SSH: Single Stage Headless Face Detector, 分析了預測子產品中的結構，為什麼要将(n,c,w,h)reshape成(n,2,c/2w,h)這一細節，話不多說，進入正題。
簡析
以ssh模型架構M1結構為例，檢測部分進行了如上圖所示的流程。現簡要分析如下：
-
假設全卷積網絡特征圖尺寸是(1,256,3,4)即n,c,h,w.
想在每個cell 兩個anchor，總數為3x4=12的尺度上做人臉檢測，輸出特征圖如下所示：
用下面這種方式更清楚：
-
ssh_cls_score卷積輸出後feat是(1,4,3,4) 4是2個anchor,按照以下順序
排序排列資料：兩個anchor為負樣本（label=0）,兩個anchor為人臉
的分值，例如第一個cell的anchor資料位置如下：
- 計算softmax是要用數位1和25, 13和37進行，出來的softmax 值sum=1，reshape 之後變成了(1, 2, 6, 4), 然後将softmax axis=1就可以進行以上操作, caffe中預設的axis是1，pytorch中也有相應的次元設計。reshape之後如下：
- 計算softmax之後再reshape回來，後面就可以按照分支進行propsal操作了。
其他
loc偏移由于不用做softmax操作，是以可以直接輸出。