目標檢測 — one-stage檢測（二）
one-stage檢測算法，其不需要region proposal階段，直接產生物體的類別概率和位置坐標值，經過單次檢測即可直接得到最終的檢測結果，因此有著更快的檢測速度，比較典型的算法如YOLO，SSD，Retina-Net。
4、SSD（2016）
SSD結合了YOLO中的回歸思想和Faster-RCNN中的Anchor機制，使用全圖各個位置的多尺度區域特征進行回歸，既保持了YOLO速度快的特性，也保證了窗口預測的跟Faster-RCNN一樣比較精準。
SSD的核心是在特征圖上采用卷積核來預測一系列Default Bounding Boxes的類別、坐標偏移。為了提高檢測準確率，SSD在不同尺度的特征圖（5個）上進行預測。
模型設計：
（1）采用多尺度特征圖用於檢測
所謂多尺度采用大小不同的特征圖，CNN網絡一般前面的特征圖比較大，後面會逐漸采用stride=2的卷積或者pool來降低特征圖大小，利用多個尺度圖來做檢測，比較大的特征圖來用來檢測相對較小的目標，而小的特征圖負責檢測大目標。
（2）采用卷積進行檢測
SSD直接采用卷積對不同的特征圖來進行提取檢測結果。對於形狀為m*m*p的特征圖，只需要采用 3*3* p這樣比較小的卷積核得到檢測值。減少參數量。
（3）設置先驗框
SSD借鑒了Faster R-CNN中anchor的理念，每個單元設置尺度或者長寬比不同的先驗框，預測的邊界框（bounding boxes）是以這些先驗框為基準的，在一定程度上減少訓練難度。
訓練技巧：
（1）先驗框匹配
在訓練過程中，首先要確定訓練圖片中的ground truth（真實目標）與哪個先驗框來進行匹配，與之匹配的先驗框所對應的邊界框將負責預測它。
SSD的先驗框與ground truth的匹配原則主要有兩點。首先，對於圖片中每個ground truth，找到與其IOU最大的先驗框，該先驗框與其匹配。第二個原則是：對於剩余的未匹配先驗框，若某個ground truth的 大於某個閾值（一般是0.5），那麽該先驗框也與這個ground truth進行匹配。
為了保證正負樣本盡量平衡，SSD采用了hard negative mining，就是對負樣本進行抽樣，抽樣時按照置信度誤差（預測背景的置信度越小，誤差越大）進行降序排列，選取誤差的較大的top-k作為訓練的負樣本，以保證正負樣本比例接近1:3。
（2）損失函數
損失函數定義為位置誤差（locatization loss， loc）與置信度誤差（confidence loss, conf）的加權和。對於位置誤差，其采用Smooth L1 loss，對於置信度誤差，其采用softmax loss。
（3）對每一張特征圖，按照不同的大小（Scale） 和長寬比（Ratio）生成生成k個默認框（Default Boxes）
（4）數據擴增
主要采用的技術有水平翻轉（horizontal flip），隨機裁剪加顏色扭曲（random crop & color distortion），隨機采集塊域（Randomly sample a patch）（獲取小目標訓練樣本）
- 數據擴增技術很重要，對於mAP的提升很大；
- 使用不同長寬比的先驗框可以得到更好的結果；
- 采用多尺度的特征圖用於檢測也是至關重要的。
5、DSSD（2017）
最大的貢獻，在常用的目標檢測算法中加入上下文信息。
SSD算法對小目標不夠魯棒的最主要的原因是淺層feature map的表征能力不夠強。DSSD就使用了更好的基礎網絡（ResNet-101）和Deconvolution層，skip連接來給淺層feature map更好的表征能力。
6、RetinaNet（2017）
提出Single stage detector不好的原因完全在於：
- 極度不平衡的正負樣本比例: anchor近似於sliding window的方式會使正負樣本接近1000：1，而且絕大部分負樣本都是easy example，這就導致下面一個問題：
- gradient被easy example dominant的問題：往往這些easy example雖然loss很低，但由於數 量眾多，對於loss依舊有很大貢獻，從而導致收斂到不夠好的一個結果。
作者提出了一個新的one-stage的檢測器RetinaNet，達到了速度和精度很好地trade-off。使用改進的損失函數Focal Loss。
Focal Loss從交叉熵損失而來。二分類的交叉熵損失如下：
參考博客：http://lanbing510.info/2017/08/28/YOLO-SSD.html
目標檢測 — one-stage檢測（二）