【論文閱讀筆記】SSD：Single Shot MultiBox Detector

位址：SSD：Single Shot MultiBox Detector

時間：2015年12月釋出，2016年12月最終

全文概括

  SSD引入了Faster RCNN的anchor，使用多level 的 feature map來進行分類和回歸，進而增強多尺度的語義資訊(SSD應用在不同尺度的feature 上)。

  在VOC 2007 test資料集上，SSD達到 74.3 % 74.3\% 74.3%的mAP及 59 59 59FPS；而Faster R-CNN 達到 73.2 % 73.2\% 73.2%的mAP及 7 7 7FPS、YOLO達到 63.4 % 63.4\% 63.4%的mAP及 45 45 45FPS。

即SSD達到了當時最好的性能，且比YOLO要快

(個人認為，在骨架網絡上，SSD與YOLO最大的差別在于沒有後面的fc層，即

速度的提升來自于conv層代替fc層

。fc層需要更大的記憶體，而conv可以通過資料複用，減少通路存儲的次數。而且，conv層的可優化加速空間更大)

  在不同level的feature map上，使用的檢測網絡(分類和回歸)是不一樣的，即不共用。

SSD模型

  骨幹網絡使用VGG16，但fc6和fc7變成conv layer，移除fc8和dropout層，pool5從22-stride2變成33-stride1；

  檢測網絡在每個不同level的feature map是不同的，假設該層feature map有p個channel，使用33p的卷積核得到輸出的一個次元（即預測其中的一個值，類别分數或者邊框offset）；

  每個anchor都計算分類分數和邊框偏移；

模型相關訓練方法

  模型訓練時，使用硬負樣本縮減政策，正負比例為1:3；

  标記樣本時，重疊率超過0.5就标記為ground truth；[作者認為，這簡化了學習問題，允許網絡給多個重疊annchor高分，而不是要求它僅選最大重疊的框]；

  損失函數使用和Faster RCNN一樣的：平滑L1損失函數+softmax loss；