目标检测 | SSD，经典单阶段Anchor-Based目标检测模型

Justlovesmile

发布于 2022-03-30 15:34:08

1.5K00

代码可运行

文章被收录于专栏：云+分享云+分享

运行总次数：0

代码可运行

SSD: Single Shot MultiBox Detector

论文发表：2016 论文链接：SSD: Single Shot MultiBox Detector | SpringerLink

@inproceedings{liu2016ssd,
  title={Ssd: Single shot multibox detector},
  author={Liu, Wei and Anguelov, Dragomir and Erhan, Dumitru and Szegedy, Christian and Reed, Scott and Fu, Cheng-Yang and Berg, Alexander C},
  booktitle={European conference on computer vision},
  pages={21--37},
  year={2016},
  organization={Springer}
}

归纳总结

标签	目的	方法	总结
#Anchor #单阶段	实现多尺度以及卷积预测，进一步提升精度和速度	MultiBox，Anchor	经典单阶段算法

1. 引言

SSD算法，其英文全名是Single Shot MultiBox Detector, SSD的优势在于消除了bounding box proposal和pixel or feature resampling，并使用了multi-scale，因此达到了比faster rcnn和yolo更高的检测精度和更快的检测速度。

图片来自目标检测|SSD原理与实现 - 知乎 (zhihu.com)

2. SSD模型

SSD采用VGG16作为基础模型，然后在VGG16的基础上新增了卷积层来获得更多的特征图以用于检测，模型结构如下图：

SSD和Yolo一样都是采用一个CNN网络来进行检测，但是却采用了多尺度的特征图，网络的核心点：

使用小的卷积核预测类别和边界框偏移量
对多个（多尺度）特征图进行检测
设置不同比例的先验框，如下图

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(cx,cy,w,h)，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。先验框位置用d=(d^{cx},d^{cy},d^{w},d^{h})表示，其对应边界框用b=(b^{cx},b^{cy},b^{w},b^{h})表示，那么边界框的预测值l其实是b相对于d的转换值：

3. 模型训练

3.1 正负样本划分

首先，对于图片中每个ground truth，找到与其IOU最大的先验框，该先验框与其匹配，这样，可以保证每个ground truth一定与某个先验框匹配。通常称与ground truth匹配的先验框为正样本，其次，通过判断先验框和ground truth之间的IoU值是否大于阈值（如0.5），大于则为正样本

3.2 损失计算

损失包含两个部分：定位损失和分类损失

L(x,c,l,g)=\frac{1}{N}(L_{conf}(x,c)+\alpha L_{loc}(x,l,g))

其中N代表所匹配的正负样本数量，l代表预测框，g代表真实框，和faster rcnn相似，回归的偏移量的值是边界框的中心坐标(cx,cy)和框的宽度w和高度h。

\hat{g}{j}^{cx}=(g{j}^{cx}-d_{i}^{cx})/d_{i}^{w}

\hat{g}{j}^{cy}=(g{j}^{cy}-d_{i}^{cy})/d_{i}^{h}

\hat{g}{j}^{w}=\log(\frac{g{j}^{w}}{d_{i}^{w}})

\hat{g}{j}^{h}=\log(\frac{g{j}^{h}}{d_{i}^{h}})

因此定位损失函数为：L_{loc}(x,l,g)=\sum_{i \in Pos}^N \sum_{m\in {cx,cy,w,h}}x_{ij}^{k}smooth_{L1}(l_i^m-\hat{g}j^m)分类损失是一个损失：分类损失是一个softmax损失：L{conf}(x,c)=-\sum_{i\in Pos}^{N}x_{ij}^p\log(\hat{c}i^p)-\sum{i\in Neg}log(\hat{c}_i^0)其中其中\hat{c}_i^p=\frac{exp(c_i^p)}{\sum_p(exp(c_i^p))}$