标签：ssd   架构   src   nbsp   深度   2.0   设计   训练   caff   

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。

深度学习 目标检测算法 SSD 论文简介

标签：ssd   架构   src   nbsp   深度   2.0   设计   训练   caff   

原文地址：http://www.cnblogs.com/wangxiaocvpr/p/6284499.html