目标检测总结：SSD

• 多尺度的特征层用于目标检测，如下图所示，共有6个不同尺度的特征层进行预测。
  
• 基于卷积的预测器，SSD通过卷积操作对对应特征层进行预测。
• 默认的边界框和长宽比，与faster RCNN类似，ssd预先指定anchor的大小，但不同的是SSD是把anchor应用到不同分辨率的特征映射中。
• 匹配策略，gtbox可能与多个anchor重叠，SSD将gtbox与gtbox的IOU>0.5的anchor相匹配，也就是允许多个重叠的anchor负责预测同一个gtbox，这简化了学习问题。
• 目标函数:
  
  与fasterRCNN类似，ssd对于坐标回归的目标也是偏移量。
• 默认边界框的长宽比以及尺度：
  
  Smin取0.2，Smax取0.9，这意味着最低层有0.2的尺度，最高层有0.9的尺度，长宽比有1,2,3,1/2,1/3，我们可以为每个边界框计算w和h，另外中心点为（0,1），wh为原尺度
  
  
  另外对于长宽比为1的，还添加了默认边界框：
  每个anchor中心点的设定：
  其中fk为当前特征映射层的大小，0<=i,j<fk
  代码：

		for k, f in enumerate(self.feature_maps):
            for i, j in product(range(f), repeat=2):
                f_k = self.image_size / self.steps[k]
                # unit center x,y
                cx = (j + 0.5) / f_k
                cy = (i + 0.5) / f_k

                # aspect_ratio: 1
                # rel size: min_size
                s_k = self.min_sizes[k]/self.image_size
                mean += [cx, cy, s_k, s_k]

                # aspect_ratio: 1
                # rel size: sqrt(s_k * s_(k+1))
                s_k_prime = sqrt(s_k * (self.max_sizes[k]/self.image_size))
                mean += [cx, cy, s_k_prime, s_k_prime]

                # rest of aspect ratios
                for ar in self.aspect_ratios[k]:
                    mean += [cx, cy, s_k*sqrt(ar), s_k/sqrt(ar)]
                    mean += [cx, cy, s_k/sqrt(ar), s_k*sqrt(ar)]

• hard negative minning,这个与之前RCNN不同，RCNN采用的是得分最高的负例，SSD采用的是损失函数最高的边界框来进行优化。
  通过代码可以知道：

        # Compute max conf across batch for hard negative mining
        batch_conf = conf_data.view(-1, self.num_classes)
        loss_c = log_sum_exp(batch_conf) - batch_conf.gather(1, conf_t.view(-1, 1))

        # Hard Negative Mining
        loss_c[pos] = 0  # filter out pos boxes for now
        loss_c = loss_c.view(num, -1)
        _, loss_idx = loss_c.sort(1, descending=True)
        _, idx_rank = loss_idx.sort(1)
        num_pos = pos.long().sum(1, keepdim=True)
        num_neg = torch.clamp(self.negpos_ratio*num_pos, max=pos.size(1)-1)
        neg = idx_rank < num_neg.expand_as(idx_rank)

• 数据增强：1原图输入2随机裁剪3变换尺度

SSD在保证了one-stage目标检测器速度的同时，依然保持了很高的精度，很多应用场景下的目标检测都是基于SSD改进的，算法相比于FasterRCNN还是比较好理解的，代码也比较容易看懂。