background 任务:使用单一深度神经网络,加速预测速度,保持准确率关键词:The Single Shot Detector (SSD) Introduction 以faster-rcnn为例,虽然准确率很高,但是预测速度很慢,并且训练过程复杂,SSD的提出,主要是基于VGG16,然后对Conv5_3层的feature maps进行卷积运算,生成特征金字塔,
一、简介 目标检测主流算法包括两个方面:(1)two-stage算法:如RCNN等系列算法,先通过启发式方法(selective search)或者CNN网络(RPN)产生一系列稀疏的候选框,然后对这些候选框进行分类与回归,two-stage方法的优势是准确度高;(2)one-stage算法:如Yolo和SSD,其主要思路是均匀地在图片的不同位置进
SSD : Single Shot MultiBox Detector 论文地址:https://arxiv.org/abs/1512.02325 网络结构 与faster rcnn相比,该算法没有生成 proposal 的过程,这就极大提高了检测速度。针对不同大小的目标检测,传统的做法是先将图像转换成不同大小(图像金字塔),然后分别检测,最后将结果综合起