卷积神经网络物体检测SSD

2015年，YOLO之后，另外一个直接回归的方法SSD，以state-of-the-art的检测效果和检测效率横空出世；

SSD，single shot multibox detector

直接看下图吧，可以看出，YOLO是在卷积层后加了FC，然后预估2*7*7共49个位置98BBox；而SSD显著的不同就是多尺度：1） 多尺度的feature map上提取特征，通过3*3的卷积核，保证特征的细粒度和丰富性； 2） 多尺度feature map上抽取anchor，每张图共有7308个BBox，远大于YOLO的98；

上图中，Conv4_3上面的Conv： 3*3（4*（classes+4）），前面的3*3是卷积核，后面的4是每个点的有4个anchor，所以这一层共有38*38*4个BBox，把7个卷积层加起来，一共就是7308个BBox；

另外，每个正例BBox学习的并不是绝对位置或者相对grid的位置，而是相对于ground truch的偏移，如下图：

因此，其loss function包括两部分，分类的confidence+回归相对ground truth的位置偏移，如下：

在VOC和COCO上的效果

1. 准确率上：VOC达到最高80%，COCO这个小物体也是最高26.8%；

2. 速度上，500尺寸下，SSD和YOLO基本持平，20帧，但是mAP高10点；

另外，16年的YOLOv2在检测效果和速度上更高一层，在效果保持state-of-the-art的基础上，FPS能达到50+，是SSD的2倍+，但是！小物体检测依然是YOLO的短板，COCO上的依然低于SSD5个百分点，如下：

SSD： Single Shot MultiBox DetectorWei Liu， Dragomir Anguelov， Dumitru Erhan， Christian Szegedy， Scott Reed， Cheng-Yang Fu， Alexander C. Berg