【目标检测】YOLO和SSD的区别

这里的YOLO是指YOLO v1算法。

一、YOLO

主要思想（key idea）：

将物体检测这个问题定义为bounding box和分类置信度的回归问题。
将整张图像作为输入，划分成SxS grid（7×7网格），每个cell（格子）预测B个bounding box（x, y, w, h）及对应的分类置信度（class-specific confidence score）。分类置信度是bounding box是物体的概率及其与真实值IOU相乘的结果。

优点：

速度快，YOLO模型可以达到45FPS。
YOLO使用图像的全局信息做预测，因而对背景的误识别率比Fast R-CNN低。
YOLO学习到的特征更加通用，在艺术品的检测上准确率高于DPM和R-CNN（YOLO泛化能力强）。

缺点：

每个cell（格子）只能拥有一个label和两个bounding box，这个空间局限性，使得对小物体检测效果不好（尤其是密集的小物体）。
对于物体长宽比的泛化能力较弱，当一类物体新的长宽比出现时，检测准确率减低。
损失函数的设计，导致定位误差是影响检测效果的主要原因，在小的物体上，检测准确率较低。

二、SSD

主要思想（key idea）：

将物体检测这个问题的解空间，抽象为一组预先设定好（尺度，长宽比）的bounding box。
在每个bounding box，预测分类label，以及box offset来更好的框出物体。
对一张图片，结合多个大小不同的feature map的预测结果，以期能够处理大小不同的物体。

优点：

运行速度可以和YOLO媲美，检测精度可以和Faster R-CNN媲美。

缺点：

需要人工设置prior box的min_size，max_size和aspect_ratio值。网络中prior box的基础大小和形状不能直接通过学习获得，而是需要手工设置。而网络中每一层feature使用的prior box大小和形状恰好都不一样，导致调试过程非常依赖经验。
虽然采用了pyramdial feature hierarchy的思路，但是对小目标的recall依然一般，并没有达到碾压Faster R-CNN的级别。作者认为，这是由于SSD使用conv4_3低级feature去检测小目标，而低级特征卷积层数少，存在特征提取不充分的问题。

三、区别

YOLO在卷积层后接全连接层，即检测时只利用了最高层Feature maps（包括Faster
RCNN也是如此）而SSD采用金字塔结构，即利用了conv4-3/fc7/conv6-2/conv7-2/conv8_2/conv9_2这些大小不同的feature maps，在多个feature maps上同时进行softmax分类和位置回归。
SSD加入了Prior box。

参考：

https://zhuanlan.zhihu.com/p/89200261

https://blog.csdn.net/qq_31511955/article/details/80597211

【目标检测】YOLO和SSD的区别相关推荐

目标检测Yolo与SSD算法比较
目标检测近年来已经取得了很重要的进展,主流的算法主要分为两个类型(参考RefineDet):(1)two-stage方法,如R-CNN系算法,其主要思路是先通过启发式方法(selective sear ...
yolov3网络结构图_目标检测——YOLO V3简介及代码注释（附github代码——已跑通）...
GitHub: liuyuemaicha/PyTorch-YOLOv3github.com 注:该代码fork自eriklindernoren/PyTorch-YOLOv3,该代码相比master分 ...
目标检测YOLO系列------YOLO简介
目标检测YOLO系列------YOLO简介 1.为什么会出现YOLO算法 2.YOLO算法会逐渐成为目标检测的主流吗 YOLO以及各种变体已经广泛应用于目标检测算法所涉及到的方方面面,为了梳 ...
python ssd目标检测_目标检测算法之SSD的数据增强策略
前言这篇文章是对前面<目标检测算法之SSD代码解析>,推文地址如下:点这里的补充.主要介绍SSD的数据增强策略,把这篇文章和代码解析的文章放在一起学最好不过啦.本节解析的仍然是上篇SSD ...
手把手教你训练自己的目标检测模型（SSD篇）
目标检测是AI的一项重要应用,通过目标检测模型能在图像中把人.动物.汽车.飞机等目标物体检测出来,甚至还能将物体的轮廓描绘出来,就像下面这张图,是不是很酷炫呢,嘿嘿在动手训练自己的目标检测模型之前, ...
目标检测 | YOLO系列超全讲解v1，v2，v3
前言一.YOLOv1 1. 网络结构 2. 实现方法 3. 损失函数 4. 缺点二.YOLOv2 1. 网络结构 2. 改进方法 3. YOLO9000 4. 网络训练细节三.YOLOv3 1. ...
目标检测 YOLO系列算法
文章目录 1. YOLO算法 1.1 Yolo算法思想 1.2 Yolo的网络结构 1.2.1 网络输入 1.2.2 网络输出 1.7X7网格 2x30维向量 1.3 Yolo模型的训练 1.3.1训 ...
详细解读目标检测经典算法-SSD
学习目标: 知道SSD的多尺度特征图的网络知道SSD中先验框的生成方式知道SSD的损失函数的设计目标检测算法主要分为两类: Two-stage方法:如R-CNN系列算法,主要思路就是通过Sele ...
【目标检测-YOLO】博客阅读：Introduction to the YOLO Family
阅读收获本文是博客:https://pyimagesearch.com/2022/04/04/introduction-to-the-yolo-family/ 的翻译. 好吧!其实在这里面并没有太多 ...
目标检测-Yolo框架
文章目录基本概念目标检测目标检测算法分类目标检测原理数据表示效果评估非极大值抑制(NMS) Yolov Yolov1 基本思想网络结构优点与缺点 YOLOV2 与YOLOV1区别 Y ...

【目标检测】YOLO和SSD的区别

一、YOLO

二、SSD

三、区别

参考：

【目标检测】YOLO和SSD的区别相关推荐

最新文章

热门文章