聊聊目标检测中的多尺度检测（Multi-Scale），从YOLO，ssd到FPN，SNIPER，SSD填坑贴和极大极小目标识别 | David 9的博客 --- 不怕"过拟合"

[madobet]

狙击手在放大倍焦前已经经历了大量的小目标训练，这样看似乎是 RPN 做的好 — David 9

之前在讲 SSD 时我们聊过 SSD 的目标检测是如何提高多尺度（较大或较小）物体检测率的。我们来回顾一下，首先，较大的卷积窗口可以卷积后看到较大的物体, 反之只能看到较小的图片. 想象用 1*1 的最小卷积窗口, 最后卷积的图片粒度和输入图片粒度一模一样. 但是如果用图片长*宽 的卷积窗口, 只能编码出一个大粒度的输出特征.

对于yolov1，每层使用同样大小的卷积窗口, 识别超大物体或者超小物体就变得无能为力（最后一层的输出特征图是固定 7*7）:

YOLO 架构示意图

而SSD就更进一步，最后一层的检测是由之前**多个尺度（Multi-Scale）**的特征图共同生成的：

SSD 架构示意图

这样 SSD 在计算复杂度允许的情况下，在多尺度物体的检测上有所提高。但是 SSD 也有明显缺陷，其最后几层的所谓 “多尺度” 是有限的（如上图特征图尺寸越小，可以识别的物体越大）。对于极小的目标识别，SSD 就显得无能为力了，

来自：https://techcrunch.com/2017/06/16/object-detection-api/

假设 “风筝” 只占原始图片的几十个像素，SSD 的高层特征图已经无法捕捉如此小的物体。

为了解决上述问题 facebook 的老兄们开发出了FPN（特征金字塔网络），这种网络不是一味地进行下采样提取语义特征去识别物体，而是从顶层（自上而下）的每一层都进行上采样获取更准确的像素位置信息（有些类似残差网络的跳层连接）：

来自：https://medium.com/@jonathan_hui/understanding-feature-pyramid-networks-for-object-detection-fpn-45b227b9106c

我们知道卷积操作虽然能高效地向上提取语义，但是也存在像素错位的问题

**加入 David9 的星球群，获得通行密码 , 阅读全文 **

The following two tabs change content below.

• Bio
• Latest Posts

** **

邮箱：[email protected] 微信: david9ml http://nooverfit.com/wp/%E8%81%8A%E8%81%8A%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B%E4%B8%AD%E7%9A%84%E5%A4%9A%E5%B0%BA%E5%BA%A6%E6%A3%80%E6%B5%8B%EF%BC%88multi-scale%EF%BC%89%EF%BC%8C%E4%BB%8Eyolo%EF%BC%8Cssd%E5%88%B0fpn/