目標檢測入門系列手冊六：SSD訓練教程

，學習全套目標檢測演算法&模型

SSD

SSD[4] 同時借鑑了YOLO 網格的思想和Faster R-CNN 的anchor 機制，使得SSD 可以快速進行預測的同時又可以相對準確地獲取目標的位置。

圖2-15 中的（b）和（c）分別代表不同的特徵層，（c）相對（b）離最終預測結果較近，因此跨越同樣畫素個數能檢測的目標就越大。按照圖2-15 所示，在特徵層（b）的每個點上都將產生4 個不同大小的anchor（1:1 兩個，1:2 兩個），在特徵層（c）上也是如此。因此，根據真實目標矩形框與每個anchor 的IOU 大小計算可知，（b）中有2 個anchor 為正樣本，（c）中1 個anchor 為正樣本。

圖2-15　SSD 特徵層與anchor 示意圖[4]

對比之前學過的Faster R-CNN，接下來我們介紹SSD 的一些特點：

●  使用多尺度特徵層進行檢測。
在 Faster Rcnn 的 RPN 中，anchor 是在主幹網路的最後一個特徵層上生成的，而在SSD 中，anchor 不僅僅在最後一個特徵層上產生，在幾個高層特徵層處同時也在產生anchor。如圖2-16 所示，SSD 在VGG16 的conv6 開始，在conv7、conv8、conv9、conv10 都產生anchor。這些特徵層大小依次遞減，使得SSD 可以檢測不同尺度的目標。這裡簡單解釋下，比如同樣一個3×3 的anchor，它在conv6 看到的目標（感受野）就要遠小於conv10 看到的目標，可以理解為靠前的特徵層用於檢測小目標，而靠後的特徵層用來檢測大目標。與RPN 網路（2.2.3 中介紹）產生anchor 的方法類似，SSD 也是在特徵層的每個點上產生多個比例、多個尺度的n 個anchor。如圖2-15（b）是一個8×8 的特徵層，每個小方格子是一個特徵點，每個特徵點上可以產生寬高比為1:1，1:2，1:3，大小多個尺度的anchor。

圖2-16　SSD 結構圖[4]

●  SSD 中所有特徵層產生的 anchor 都將經過正負樣本的篩選（在 2.2.3 介紹過如何使用IOU 進行anchor 的篩選）後直接進行分類分數以及bbox 位置的學習。
也就是說，特徵層上生成的正負樣本直接進行最終的分類（ClassNum 個類別）以及bbox 的學習，不像Faster R-CNN 那樣先在第一步學是否有物體（只有0/1 兩個類別）和bbox 位置，然後在第二步學最終的分類（ClassNum個類別）以及對bbox 位置的微調。

實際應用時我們往往不僅關注精度，很多情況下也要考慮速度，比如對影片內容進行實時地檢測，這時候我們就希望有方法可以很好的做速度和精度的平衡。YOLO是第一個提出來效果很好的1-stage 檢測方法，SSD 借鑑了它的一些思想並在其基礎上做了改進，做到了比較好的平衡。

文章來源：阿里雲-機器智慧技術