SSD論文筆記

1. 大緻背景及思路介紹

   a. 一篇很經典的文章，SSD家族的開山鼻祖，在當年達到了比Yolo快，比Yolo準的水準。

   b. 引入了多尺度檢測，使得檢測框的數量和大小種類大大增多，達到了更好的水準。

   c. Default box的引入，類似于Anchors。

2. 與R-CNN系列，YOLO的比較

   a. R-CNN系列的特點就是準和慢。SSD與之相比最大提高就是快，這裡主要是由于不需要進行RPN和ROI Pooling這兩個步驟，Faster R-CNN的速度為7FPS，而SSD可以達到58FPS。

   b. YOLO系列的特點則是快但是不準。而SSD通過增加更多的預測框，并在多個尺度上進行預測，在更大尺度上的Feature map上預測小物體，提高了檢測效果。而快則是由于SSD的卷積層更少，沒有全連接配接層，而且輸入的圖像更小。在VOC2007上，SSD的準确率比YOLO高出接近10個百分點，快13FPS。

3. SSD的主要特點和結構

   

   a. Base network采用VGG16，在此基礎上，增加若幹卷積層以産生預測結果，這些卷積層的大小漸進的縮小，實作在多個尺度的特征圖上的預測。

   b. 可以看到，總共在6層上進行預測，每層在每個cell中分别預測6個或3個錨框，最後我們會的到（38 * 38 3+19 * 19 * 6+10 * 10 * 6+5 * 5 * 6+3 * 3 * 6+1 * 1 * 6）總計7308個框，而YOLO隻在最後一層的77上，每個cell預測兩個框共98個，顯然準确率上，SSD會有更大可能優于YOLO。

   c. 比對政策上，首先每個GT box會和所有的預測框中IoU最高的進行一個比對，然後還會和所有IoU大于一個門檻值的進行比對，這樣使得每個GT box可能會和多個預測框進行比對。

   d. 損失函數：定位的損失函數為Smooth L1 loss，分類的損失函數為典型的softmax 損失函數，N為比對到的預測框的數量，α用于平衡兩個loss，預設為1.

   

   e. Default box 縮放尺度和比例的選擇。在每層上的縮放比例通過如下公式進行确定，可以看到層數越深，比例越大，也就是小物體主要靠前幾層，大物體靠後幾層：

   

   f. Hard negative mining：正負樣本不均衡的問題依然存在，這裡通過置信度排序後，将負樣本和正樣本的比例控制到3：1。這樣可以使得訓練更快更穩定。