SSD目标检测
模型简介
SSD (Single Shot MultiBox Detector) 是 Wei Liu 在 ECCV 2016 上提出的一种目标检测算法。使用 Nvidia Titan X 在 VOC 2007 测试集上，SSD 对于输入尺寸 300x300 的网络，达到 74.3% mAP 和 59 FPS；对于 512x512 的网络，达到 76.9% mAP，超越当时最强的 Faster RCNN (73.2% mAP)。
目标检测算法可以分为两种类型：
- Two-stage 方法：RCNN 系列，通过算法产生候选框，然后再对这些候选框进行分类和回归。
- One-stage 方法：YOLO 和 SSD，直接通过主干网络给出类别位置信息，不需要区域生成。
SSD 采用卷积神经网络进行特征提取，通过多尺度的特征层进行检测输出，预设不同长宽比例的 anchor，每一个输出特征层基于 anchor 预测多个检测框。
模型结构
SSD 采用 VGG16 作为基础模型，然后在其基础上新增了卷积层以获得更多的特征图用于检测。SSD 利用多尺度特征图进行检测，不同于 YOLO，SSD 是通过卷积得到最后的边界框，而 YOLO 通过全连接形式得到一维向量。
模型特点
- 多尺度检测：浅层检测小目标，深层检测大目标。
- anchor 策略：预设不同比例的 anchor，进行多框检测。
- 卷积实现检测：通过卷积层直接输出检测结果。
数据集和预处理
使用 VOC2012 数据集进行训练，进行数据增强和图像预处理，调整图像尺寸并标准化。
模型训练
训练时设置 epoch 次数为 60，batch_size 为 5，图像尺寸为 300x300。使用位置损失函数和置信度损失函数的加权和作为损失函数，优化器为 Momentum，初始学习率为 0.001。每训练 10 个 epoch 保存一次模型。
评估
使用自定义的 eval_net() 类对训练好的模型进行评估，计算在不同 IoU 阈值、area 和 maxDets 设置下的 AP 和 AR。使用 COCO Metrics 类计算 mAP。模型在测试集上的评估指标包括 mAP、IoU 等。
精确率和召回率
- TP：IoU > 阈值的检测框数量
- FP：IoU <= 阈值的检测框数量或多余检测框数量
- FN：未检测到的 GT 数量
AP 和 AR 的计算公式分别为：
- AP：正样本预测正确结果与正样本预测总结果的比值。
- AR：正样本预测正确结果与正样本实际数量的比值。
训练输出指标
- mAP：各类别 AP 的平均值
- IoU=0.5 的 mAP：反映算法框的位置精准程度
- AR：检出率，反映模型的检测性能