目录

1. 概述2. SSD2.1 网络结构2.2 anchor的设置2.3 label assignment2.4 损失函数与RPN基本相同2.5 正负样本平衡策略： 3. 实验4. 优点

论文：SSD: Single Shot MultiBox Detector 时间及出处：CVPR 2016

1. 概述

SSD的整体架构借鉴了YOLOv1，即，直接在特征图上输出物体的类别和位置。与YOLOv1不同的是，SSD引入了Faster R-CNN中的anchor机制，并且去掉了YOLOv1的全连接层，采用卷积层进行预测。

SSD最大的贡献就是引入多尺度特征预测

YOLOv1只在最后一层特征图上预测物体的类别和位置，SSD则在多个不同大小的特征图上同时预测物体的类别和位置；Faster R-CNN中的RPN只在最后一层特征图上设置anchor，SSD则在多个不同大小的特征图上同时设置anchor

2. SSD

2.1 网络结构

以去除全连接层的VGG16作为backbone，并在后面添加一系列的卷积，得到6个不同大小的预测特征图（conv4、conv7~conv11），对于每一个预测特征图，采用$3\times 3$的卷积核做预测，在特征图的每一个位置输出$(c+4)k$维向量，$k=4$是每个位置的anchor数量，c是类别数（包含背景类）。

2.2 anchor的设置

$s_k$是第$k$层特征图上的anchor映射到原图之后，占原图大小的比例。假设原图大小为$300\times 300$，特征图大小为$8\times 8$，该特征图上的anchor面积占原图的比例为$s_k=0.6$，则该特征图的anchor的面积为$300\times 300\times 0.6$。从公式（4）看出，显然每层anchor的面积是线性递增的。浅层特征图的anchor面积小，适合用来检测小物体；深层特征图的anchor面积大，适合用来检测大物体。

2.3 label assignment

anchor和ground truth的匹配策略如下： 正样本负样本描述表示该anchor负责预测某个gt，即含有object表示该anchor不负责预测任何gt，即不含有object准则（1）对于每个gt，选择与其IoU最大的anchor：保证所有的gt至少有一个anchor负责预测它。（2）若某个anchor与任何一个gt的IoU大于0.5，则为positiveotherwise作用用于多分类和边界框回归用于多分类 注：与RPN的区别是没有设置忽略样本。

2.4 损失函数与RPN基本相同

softmax多分类损失+smoothL1回归损失。

2.5 正负样本平衡策略：

在线难例挖掘（OHEM）：对所有负样本的loss（只有分类损失）进行排序，选取损失最高的一定数量的负样本，保证正负样本的比例为1:3。

3. 实验

4. 优点

速度比Faster R-CNN和YOLOv1快准确度比Faster R-CNN和YOLOv1高