wangxiaocvpr

 

深度学习 目标检测算法 SSD 论文简介 

 

一、论文简介:

  ECCV-2016 Paper:https://arxiv.org/pdf/1512.02325v5.pdf 

  Slides:http://www.cs.unc.edu/~wliu/papers/ssd_eccv2016_slide.pdf

二、代码训练测试:

  https://github.com/weiliu89/caffe/tree/ssd 

 

 


 

一、论文算法大致流程:

1.类似“anchor”机制:

 

如上所示:在 feature map 上进行类似 proposal 的 Bbox 提取,然后大于某一阈值的 Bbox 被认为是 positive samples。后面进行分类回归。

 

2.整个网络架构设计如下所示:

 

 该框架和 Faster RCNN 最重要的两个区别在于:

  1. 将 Faster RCNN 的卷积加全连接层的网络结构,转换为:全卷机结构。这一改变,使得检测的速度,得到很大的提升。

  2. 将 RPN 提取 proposal 的机制,转移到各个 scale 的 feature map 上进行,使得检测的精度也非常高。

 

  基于这两个改善的基础上,使得SSD在物体检测算法中脱颖而出。

 


 

 

 

分类:

技术点:

相关文章: