>>戳此处立即下载电子书<<，学习全套目标检测算法&模型

SSD

SSD[4] 同时借鉴了YOLO 网格的思想和Faster R-CNN 的anchor 机制，使得SSD 可以快速进行预测的同时又可以相对准确地获取目标的位置。

图2-15 中的（b）和（c）分别代表不同的特征层，（c）相对（b）离最终预测结果较近，因此跨越同样像素个数能检测的目标就越大。按照图2-15 所示，在特征层（b）的每个点上都将产生4 个不同大小的anchor（1:1 两个，1:2 两个），在特征层（c）上也是如此。因此，根据真实目标矩形框与每个anchor 的IOU 大小计算可知，（b）中有2 个anchor 为正样本，（c）中1 个anchor 为正样本。

图2-15　SSD 特征层与anchor 示意图[4]

对比之前学过的Faster R-CNN，接下来我们介绍SSD 的一些特点：

● 使用多尺度特征层进行检测。
在 Faster Rcnn 的 RPN 中，anchor 是在主干网络的最后一个特征层上生成的，而在SSD 中，anchor 不仅仅在最后一个特征层上产生，在几个高层特征层处同时也在产生anchor。如图2-16 所示，SSD 在VGG16 的conv6 开始，在conv7、conv8、conv9、conv10 都产生anchor。这些特征层大小依次递减，使得SSD 可以检测不同尺度的目标。这里简单解释下，比如同样一个3×3 的anchor，它在conv6 看到的目标（感受野）就要远小于conv10 看到的目标，可以理解为靠前的特征层用于检测小目标，而靠后的特征层用来检测大目标。与RPN 网络（2.2.3 中介绍）产生anchor 的方法类似，SSD 也是在特征层的每个点上产生多个比例、多个尺度的n 个anchor。如图2-15（b）是一个8×8 的特征层，每个小方格子是一个特征点，每个特征点上可以产生宽高比为1:1，1:2，1:3，大小多个尺度的anchor。

图2-16　SSD 结构图[4]

● SSD 中所有特征层产生的 anchor 都将经过正负样本的筛选（在 2.2.3 介绍过如何使用IOU 进行anchor 的筛选）后直接进行分类分数以及bbox 位置的学习。
也就是说，特征层上生成的正负样本直接进行最终的分类（ClassNum 个类别）以及bbox 的学习，不像Faster R-CNN 那样先在第一步学是否有物体（只有0/1 两个类别）和bbox 位置，然后在第二步学最终的分类（ClassNum个类别）以及对bbox 位置的微调。

实际应用时我们往往不仅关注精度，很多情况下也要考虑速度，比如对视频内容进行实时地检测，这时候我们就希望有方法可以很好的做速度和精度的平衡。YOLO是第一个提出来效果很好的1-stage 检测方法，SSD 借鉴了它的一些思想并在其基础上做了改进，做到了比较好的平衡。