SSD对象检测如何计算它的班级分数和bbx位置？

Question

与paper一样，我可以理解SSD试图从不同的功能地图预测对象位置及其相关类别分数。

因此，对于每个图层，可以针对不同比例的锚（参考）框的数量进行不同的预测。

所以如果一个卷积特征地图有5个参考框，那么每个参考框应该有类别分数和bbx坐标。

我们通过在不同层的特征映射上滑动窗口（内核例如：3 * 3）来做上述预测。所以我不清楚的是从一个位置的滑动窗口到得分层的连接。

1.它只是以完全连接的方式将卷积窗输出连接到得分层？ 2.或者，我们在连接到乐谱层之前对卷积窗口输出进行一些其他操作？

Answer 1

通过卷积获得班级分数和bbx预测。这是YOLO的与SSD之间的区别。固态硬盘没有采用完全连接的方式。我将解释如何评分功能。

以上是在SSD特征提取模型中的8 * 8的大小的空间特征图。 对于在特征图中的每个位置我们要去预测以下

• 4 BBX坐标WRT默认盒（以虚线显示）
• 每个缺省值盒类分数（类C数）

我们，如果我们有k个默认（锚）的说，我们预测箱*（4 + C）ķ

现在棘手的部分。我们如何获得这些分数。

• 这里我们使用具有特征映射深度的一组卷积核。 （通常3 * 3）
• 由于存在（4 + C）的预测w.r.t 单个锚箱它就像我们有（4 + C）具有特征图的深度提到内核的上方。 所以它更像是一组过滤器。

这些设置的过滤器将预测超过（4 + c）标量。

因此，对于一个特征图，如果有，我们引用它们在预测K个锚箱，

我们有** K *（4 + C）过滤器（3 * 3的空间位置）以滑动窗口的方式应用在特征地图的每个位置周围。**

我们训练这些过滤器值！ 。