SSD

PaperReading TextDetection 2017.11

• Introduction

  • 消除了bounding box proposals and the subsequent pixel or feature resampling stage.
    using a small convolutional filter to predict object categories and offsets in bounding box locations

• The Single Shot Detector(SSD)

  • Model

    • 在不同尺度的特征图上进行检测。
    • convolution predictors for detection
      对于一个$m \times n \ with \ p(channels)$的feature map，利用一个$3 \times 3 \times p$的small kernel去检测。

    • Default boxed and aspect tatios
      对每个location $\Delta(cx,cy,w,h)$, 评估不同aspect ratio的default boxes.
      对每个default box,预测shape offsets和对每个object的confidence.
      Loss是Localization loss和confidence loss的加权。

      对于一个给定位置(location)的default box,计算c个类别的score,4个和default box相关的offsets。对于$k$个不同的预测,就需要 $(c+4)\times k$ 个fiters.
      对于 $m \times n$ 大小的feature map,就会产生$(c+4)kmn$个输出。
      一个default box和Faster RCNN中的anchor boxes比较像。

• Training
  与传统的region proposal不同的，ground truth根据输出形式要重新计算

  • Matching strategy
    Jaccard overlap

  • Training objective
    localization loss 和confidence loss的加权和

  • Choosing scales and aspect ratios for default boxes
    在哪个尺度的特征图上进行检测(lower layers capture more fine details of the input objects)
    不同尺度的特征图，使用不同尺度大小的default boxes
    同一特征图，使用不同aspect ratios的default boxes

  • Hard Negative mining
    大多数default boxes都是负样本,样本不均衡问题
    用每个default box的confidence loss大小排序，选择top ones,使得负样本和正样本之比最多为3:1

  • Data augmentation
    various input object sizes
    输入整个图像，图像的一个patch（具有minimum jaccard overlap）,随机选取图像的一个patch
    resiz到固定大小，水平翻转

• Related Work

  • two eastablished methodes
    one based on siding windows
    the other based on region proposal