0 引言
随着科技的发展，目标检测成为计算机视觉研究热门课题，可应用于无人驾驶、视频监控、行人检测、海面舰船检测等多个方面。目标检测传统方法通常采用机器学习方法，即特征工程结合分类器。首先使用算子（如HO(G]、SHIFT]、Haarl)提取特征，然后选择合适的分类器（如SVM[9]、Fisher-]、Adaboosting”)依据特征进行分类，得到目标检测结果。但是传统方法存在两个致命缺点：①选择的算子不适应所有特征的提取，即提取的部分特征没有很强的代表性；②算子选择依赖于大量人工经验。随着硬件和大数据的发展，基于深度学习的目标检测算法克服了以上两个缺点，逐渐替代了传统方法，并且提升了目标检测精度和鲁棒性，使学得的特征更丰富、表达能力更强。
目前，基于深度学习的目标检测方法主要分为两类：一类是基于建议框+分类的目标检测方法，典型代表有R-CNN系列（R-CNN]、SPPnet:]、Fast R-CNN0]以及Fast-eR-CNN])，其检测效果佳，但是在速度方面还远不能满足实时检测需求。因此在提高平均精度均值(mean Aver-age Precision，mAP)的同时兼顾速度逐渐成为目标检测研究方向；另一类是基于回归思想的深度学习目标检测模型，典型代表有YOLO]、SSD]。YOLO虽然能够达到实时效果，但是其mAP与第一类方法的结果存在较大差异，且YOL0存在两个缺点：①只用到最后的特征层，所以对于多尺度目标检测效果较差；②YOL0仍然使用全连接层进行最后分类，准确性较差。相比而言，SSD网络采用图像金字塔结构，多尺度目标检测效果较好，适合本文多目标数据集。另外SSD使用卷积层替代了最后全连接层，故定位更准确，在具有较好实时性的同时mAP更高，其速度可与YOLO媲美，mAP与Faster RCNN保持在相同水平，但是以上方法都存在正负样本失衡问题。
本文综合考虑检测速度和精度，采用SSD网络进行研究，并引入Focal Loss损失函数设计新的损失函数，替换原有在线难分样本挖掘（Online Hard Example Mining，OHEM）机制，更高效地解决了正负样本失衡问题，提高了整体检测平均精度。
1 SSD目标检测网络
SSD是目前综合性能最好的网络。它使用3×3的卷积核替换VGGNet最后全连接层进行分类回归，可利用目标周围信息进行预测，而不是利用全局信息，使定位更加准确。另外其使用特征金字塔结构，将不同特征层用于最后结果预测，可涵盖不同维度、保证特征丰富性，并且使用浅层特征层负责小目标检测，深层特征层负责大目标检测，可进一步提高检测效果。特征金字塔设计如图1所示。另外，SSD 在多个特征层上生成不同尺度、不同长宽比的锚框，产生良好的多尺度目标检测效果。
1.1 网络架构
SSD 模型思想仍然延续了传统目标检测思想，前面的卷基层用于特征提取，后面的 Softmax 层用于分类。SSD模型采用 VGG16 基础网络结构。SSD 网络有两种架构，一种适合于图片分辨率为 300×300 的输入（SSD300），另一种适合于分辨率为 512×512 的输入图（SSD512），结构如图2 所示。
暂无评论内容