SSD（single shot multibox detector）
SSD，全稱Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一種目標檢測算法，截至目前是主要的檢測框架之一，相比Faster RCNN有明顯的速度優勢，相比YOLO又有明顯的mAP優勢（不過已經被CVPR 2017的YOLO9000超越）
在VOC2007上，SSD300比Faster R-CNN的mAP高了6.6倍
在VOC2007上，SSD300比YOLP的FPS高了10%倍
1.SSD網絡結構
SSD網絡最前邊使用了VGG16的前5個層，使用Conv4_3做邊框回歸和分類；然後把VGG16的2個全連接層FC6、FC7改成了卷積層Conv6、Conv7，使用Conv7做邊框回歸和分類；之後自己添加了Conv8、Conv9、Conv10、Conv11，並選取其中的Conv8_2、Conv9_2、Conv10_2、Conv11_2做邊框回歸和分類。
通過分析SSD網絡的結構，我們知道了SSD網絡是在哪個特征圖上做邊框回歸和分類，接著看下怎麽在這些特征圖上圈一個框出來。
2.Default Boxs
假設網絡經過卷積，生成了8*8和4*4的feature map
在8*8和4*4的feature map上分割生成一些網格，這些網格稱為feature map cell，如下圖所示
使用一個3*3卷積核在圖像上滑動，每一個卷積核滑動的位置，生成一系列default box
由於網絡前邊的feature map尺寸較大（8*8），使用3*3的卷積核可以圈出小物體；網絡後邊的feature map尺寸較小（4*4），使用3*3的卷積核可以圈出大物體，這樣就解決了在YOLO中容易漏掉小物體的問題（如果YOLO劃分的網格中有2個小物體的中心都在同一個網格，那麽YOLO只能檢測出一個物體
default box的大小用scale和aspect ratios表示，使用如下公式計算：
scale
$s_k = s_{min} + {s_{max}- s_{min} \over m -1}(k - 1) ,k \in [1,m]$
其中$s_{min} = 0.2,s_{max = 0.9}$
aspect ratios
$w_k^a表示的是盒子的寬，h_k^a表示盒子的長$
當aspect ratios為1時，scale為s`
3.特征向量生成
有了default box後就需要生成特征向量進行框回歸和分類。
對於邊框回歸，只需要4維向量即可，分別代表邊框縮放尺度(坐標軸兩個方向)和平移向量(坐標軸兩個方向)
在5*5的特征圖上使用1*1的卷積核滑動，即每個格子生成6個default box，一共5*5*6 = 150個default box
每個盒子要生成25個特征向量，最後會產生5*5*6*25 = 3750個輸出
SSD源碼中並不會使用所有的default box，而是在每張feature map中使用部分default box，源碼中叫prior box
conv4_3（4），fc7（6），conv6_2（6），conv7_2（6），conv8_2（4），conv9_2（4）括號中的數字是每張feature map使用的prior box數
所以SSD300的prior box總數是38*38*4+19*19*6+10*10*6+5*5*6+3*3*4+1*1*4=8732
4.損失函數
這8732個prior box不會全部計算損失函數，而是通過計算Jaccard overlap計算和Groudtruth box重疊的比例，大於0.5的計算損失,損失的計算公式如下，具體的可以參考reference論文中的公式
5.Reference
- 論文：http://arxiv.org/abs/1512.02325
- https://zhuanlan.zhihu.com/p/24954433
- https://zhuanlan.zhihu.com/p/31427288
- https://www.cnblogs.com/xuanyuyt/p/7447111.html
SSD（single shot multibox detector）