2016-ECCV-SSD
整理过R-CNN，Fast R-CNN，Faster R-CNN，Mask R-CNN，YOLO，今天组会汇报了目标检测另一主要的框架SSD，原本打算像之前一样，写一些论文要点，后发现几篇优质博客，写的极为透彻，相比之下，发现自己对paper的理解并没有那么透彻，还需努力，特别要加强动手实践能力，只有结合代码才能知道细节。
相关链接
Paper: http://arxiv.org/abs/1512.02325
Code: https://github.com/weiliu89/caffe/tree/ssd
Slides：http://www.cs.unc.edu/~wliu/papers/ssd_eccv2016_slide.pdf
相关博文推荐：
一文读懂Faster R-CNN（结合论文多看几遍，收获颇多）
Single Shot MultiBox Detector(SSD)
背景介绍
SSD是Wei Liu在ECCV2016年提出的一种目标检测算法，提出之时，相比Faster R-CNN有明显的速度优势，相比YOLO又有明显的mAP优势，但是现在已经被一系列Faster R-CNN改进版以及YOLO v2，v3超越了（上个月刚出的YOLO v3，速度快到不行，要拜读一下）。
上面这张图，可以看出SSD在速度和mAP两方面还是trade off的，并且目标检测就两大块，R-CNN系列的Two-Stage以及YOLO和SSD系列的Single Shot。
方法概括
- 从YOLO中继承了将detection转换为regression的思路，实现end-to-end检测
- 基于Faster R-CNN中的anchor box，提出相似的default box
- 加入基于SPPNet的检测方式，在多个大小不同的feature map上同时进行softmax分类和位置回归。（这也是论文最核心的贡献）
方法细节
Architecture
之前YOLO在卷积层后接全连接层，检测时只利用了最高层feature map，而SSD采用金字塔结构进行检测，检测时利用了6个大小不同的feature maps（上图架构和代码有些差别），在多个feature maps上进行分类和回归。
Default box
SSD中default box和Faster R-CNN中的anchor box非常类似，具体介绍见一文读懂Faster R-CNN，不过有一些不同之处：
Faster R-CNN中设置9个不同尺寸大小和长宽比的anchor boxs，SSD中是6个，有部分feature maps是4个，至于为什么，可能是实验得出。
-
SSD中由于涉及多个feature map，因此每个feature map对应的default box的min_size和max_size由以下公式决定（m是feature map数量，m=6）：
sk=smin+smax−sminm−1(k−1),k∈[1,m]
在论文中，smin=0.2，smax=0.9
Training
Loss：
SSD loss和Faster R-CNN loss其实是一样的，分为classfication loss和location loss两部，具体介绍见一文读懂Faster R-CNN
Matching strategy：
在训练时，ground truth boxes与default boxes按照如下方式进行配对：
- 找到与每一个ground truth box有最大IoU的default box，保证一一配对
- 剩余没有配对的default box中，选择与任意ground truth box的IoU大于0.5的default box作为正样本
- 配对到的就是positive，没有配对到的就是negative
Hard negative mining：
由于负样本很多，需要去掉一部分负样本，整张图经过网络，根据confidence score排序default box，选择confidence score高的box进行训练，这样筛选出来的负样本也会更难识别，并且最终正负样本比例为1：3
Data augmentation:
数据增强，即没一张训练图像，随机的进行如下几种选择：
- 使用原始的图像
- crop图像上的一部分，与物体之间最小的IoU为：0.1，0.3，0.5，0.7，0.9
- 随机crop
方法的局限性
- 需要人工设置default box的min_size，max_size和aspect_ratio值，调参依靠经验
- 小目标检测一般，作者认为SSD使用低层feature map去检测小目标，存在提取不充分的问题