本文转载自：

http://www.cnblogs.com/lillylin/p/6207292.html

SSD论文阅读（Wei Liu——【ECCV2016】SSD Single Shot MultiBox Detector）

目录

  • 作者及相关链接
  • 文章的选择原因
  • 方法概括
  • 方法细节
  • 相关背景补充
  • 实验结果
  • 与相关文章的对比
  • 总结

作者

  • intro: ECCV 2016 Oral
  • arxiv: http://arxiv.org/abs/1512.02325
  • paper: http://www.cs.unc.edu/~wliu/papers/ssd.pdf
  • slides: http://www.cs.unc.edu/%7Ewliu/papers/ssd_eccv2016_slide.pdf
  • github: https://github.com/weiliu89/caffe/tree/ssd
  • video: http://weibo.com/p/2304447a2326da963254c963c97fb05dd3a973
  • github(MXNet): https://github.com/zhreshold/mxnet-ssd
  • github: https://github.com/zhreshold/mxnet-ssd.cpp
  • github(Keras): https://github.com/rykov8/ssd_keras

文章的选择原因

  • 性能好，single stage

方法概括

  1. 文章的方法介绍

    • SSD主要用来解决目标检测的问题（定位+分类），即输入一张待测图像，输出多个box的位置信息和类别信息
    • 测试时，输入一张图像到SSD中，网络输出一个下图最右边的tensor（多维矩阵），对该矩阵进行非极大值抑制（NMS）就能得到每个目标的位置和label信息

    • Figure2的最右图的1th-20th Channel表示类别，每一个Channel上的map对应原图，last 4 channel的每一个map分别对应x,y,w,h的偏移量。最后4个通道可以确定一个box的位置信息，前20个通道确定类别信息。

  2. 方法的pipeline和关键点

方法细节

  • 模型结构

  • 多尺度特征图

  • 用来预测的卷积滤波器

  • defaul box

  • groundTruth的标定，损失函数

  • default box和尺度的选择

  • SSD的训练——Hard negative mining

  • SSD的训练——数据扩增

相关背景补充

  • Atrous算法（hole算法）

  • FPS/SPF, Jaccard overlap

  • 二类分类/检测常用的评价标准 （recall, precision, f-measure, accuracy, error, PR曲线和ROC曲线，AP，AUC）

  • ImageNet多类分类的评价标准

  • ImageNet单目标检测的评价标准

  • ImageNet（多）目标检测的评价标准

实验结果

  • PASCAL VOC2007 test detection结果

  • 使用数据扩增、多尺度default box、atrous算法的对比效果

  • SSD512在某类Ianimals)上的检测性能可视化

  • SSD对于目标大小的敏感性实验

  • SSD使用的feature map的个数对结果的影响

  • 示例结果

  • 时间和速度

与相关文章的对比

  • 原始R-CNN方法的变形

  • Faster R-CNN和SSD对比

  • YOLO和SSD对比

总结

  • 文章贡献

    • SSD, a single-shot detector for multiple categories (faster than YOLO, accurate as Faster R-CNN)
    • The core of SSD is predicting category scores and box offsets for a fixed set of default bounding boxes using small convolutional filters applied to multiple feature maps from different layers
    • Experimental evidence: high accuracy, high speed, simple end-to-end training (single shot)

  • SSD对于其他方法的改进的关键点

    • Using a small convolutional filter to predict object categories and offsets in bounding box locations
    • Using separate predictors (filters) for different aspect ratio detections
    • Using multiple layers for prediction at different scales (apply these filters to multiple feature maps to perform detection at multiple stages)

SSD论文阅读（Wei Liu——【ECCV2016】SSD Single Shot MultiBox Detector）相关推荐

  1. ssd网络结构_封藏的SSD(Single Shot MultiBox Detector)笔记

    关注oldpan博客,侃侃而谈人工智能深度酝酿优质原创文! 阅读本文需要xx分钟 ? 前言 本文用于记录学习SSD目标检测的过程,并且总结一些精华知识点. 为什么要学习SSD,是因为SSD和YOLO一 ...

  2. 阅读笔记：Single Shot Multibox Detector（SSD）

    --为什么会阅读这篇论文?原因很简单:SSD比Faster R-CNN准.比YOLO快. --论文出处: UNC Chapel Hill(北卡罗来纳大学教堂山分校) 的 Wei Liu 新作 --论文 ...

  3. SSD: Single Shot MultiBox Detector 之再阅读

    SSD: Single Shot MultiBox Detector SSD 一句话就是速度快,效果好! 第一版 8 Dec 2015,第二版是30 Mar 2016 主要改进是内容更加详实,实验更加 ...

  4. python ssd目标检测_解读目标检测之SSD：Single Shot MultiBox Detector

    注:md文件,Typora书写,md兼容程度github=CSDN>知乎,若有不兼容处麻烦移步其他平台,github文档供下载. 发表在CSDN:https://blog.csdn.net/ha ...

  5. SSD：Single Shot MultiBox Detector解读

    注:md文件,Typora书写,md兼容程度github=CSDN>知乎,若有不兼容处麻烦移步其他平台,github文档供下载. 发表在CSDN:https://blog.csdn.net/ha ...

  6. SSD( Single Shot MultiBox Detector)关键源码解析

    SSD(SSD: Single Shot MultiBox Detector)是采用单个深度神经网络模型实现目标检测和识别的方法.如图0-1所示,该方法是综合了Faster R-CNN的anchor ...

  7. SSD(Single shot multibox detector)目标检测模型架构和设计细节分析

    先给出论文链接:SSD: Single Shot MultiBox Detector 本文将对SSD中一些难以理解的细节做仔细分析,包括了default box和ground truth的结合,def ...

  8. 目标检测--SSD: Single Shot MultiBox Detector

    SSD: Single Shot MultiBox Detector ECCV2016 https://github.com/weiliu89/caffe/tree/ssd 针对目标检测问题,本文取消 ...

  9. 深度学习之 SSD(Single Shot MultiBox Detector)

    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: (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 search)或者CNN网络(R ...

最新文章

  1. Nginx反向代理实现HTTPS网站
  2. html代码格式化vscode,vscode 代码格式化
  3. PHP学习之PHP的语法糖
  4. 【蓝桥杯】算法提高 7-2求arccos值
  5. 1027. 打印沙漏(20)
  6. 753 Cracking the Safe
  7. api查询所有记录 zabbix_通过Zabbix API获取历史监控数据
  8. mysql典型安装和自定义_Mysql8.0.19下载安装—windows版本自定义安装
  9. ctfshow-萌新-web9（ 利用命令执行漏洞读取网站敏感文件）
  10. 排序算法第二篇——折半插入排序
  11. Appfuse：扩展自己的GenericManager
  12. 宏基因组 微生物组 微生物生态领域杂志简介及最新影响因子
  13. 51单片机简谱音乐3-音阶与频率表问题以及简谱小笔记
  14. python机器学习手写字体识别,机器学习之路： python 支持向量机 LinearSVC 手写字体识别...
  15. Visual FoxPro操作dbf时语句过长换行问题
  16. 数据库与REDIS缓存数据一致性解决方案
  17. pandas datetime数据类型
  18. python 京东签到_Python实战—京东用户行为分析
  19. java突然无法加载主类_Java 找不到或无法加载主类的修复方法
  20. 【愚公系列】2022年05月 vue3系列 axios请求的封装（TS版）

热门文章

  1. boost::spirit模块实现允许调整模板数据的技巧结构作为融合序列以用于直接属性传播的测试程序
  2. boost::serialization模块测试 auto_ptr 序列化的测试程序
  3. boost::sub_range相关的测试程序
  4. boost::random模块实现如何使用随机数库的简短演示程序
  5. boost::mpl模块contains相关的测试程序
  6. boost::hana::detail::ebo用法的测试程序
  7. boost::hana::group用法的测试程序
  8. boost::visit_each的用法实例
  9. 基于Boost::beast模块的协程HTTP服务器
  10. DCMTK：TLS测试DcmSCP和DcmSCPPool类