SSD 筆記 (Single-Shot Detector)

ref:

• how single shot detector ssd works
• A Pytorch Tutorial to Object Detection

和yolov1 一樣，重點在設計最後的 output label.

把 yolov1 的最後 NxN 格換成預先定義好的框
框的大小固定的話，要怎麼fit 到不同大小的 object ?
就把不同大小的 featuremap 來用。

經過 CNN, 和 stride=2 之後的 feature map 會縮小。
在縮小的 feature map 上，同樣大小的眶，框住的比例就變大了。

所以 SSD 會把多個 layer 的 fearture map 拿出來做 CNN, 都做出該層的 框框 location 和 confidence.

好複雜

和 Yolov1 一樣，就是在設計 output label 的解釋和格式，

conv.relu - conv.relu - maxpool - ...

這樣的 network 中的某幾層，讓 stride = 2，output feature map 的 size 就會變 1/2.
(所有的 conv 都會加 padding，讓stride=2 時，output size 不變)

在末端的幾層 feature 做 object detection