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。