SSD對象檢測如何計算它的班級分數和bbx位置？

Question

與paper一樣，我可以理解SSD試圖從不同的功能地圖預測對象位置及其相關類別分數。

因此，對於每個圖層，可以針對不同比例的錨（參考）框的數量進行不同的預測。

所以如果一個卷積特徵地圖有5個參考框，那麼每個參考框應該有類別分數和bbx座標。

我們通過在不同層的特徵映射上滑動窗口（內核例如：3 * 3）來做上述預測。所以我不清楚的是從一個位置的滑動窗口到得分層的連接。

1.它只是以完全連接的方式將卷積窗輸出連接到得分層？ 2.或者，我們在連接到樂譜層之前對卷積窗口輸出進行一些其他操作？

Answer 1

通過卷積獲得班級分數和bbx預測。這是YOLO的與SSD之間的區別。固態硬盤沒有采用完全連接的方式。我將解釋如何評分功能。

以上是在SSD特徵提取模型中的8 * 8的大小的空間特徵圖。 對於在特徵圖中的每個位置我們要去預測以下

• 4 BBX座標WRT默認盒（以虛線顯示）
• 每個缺省值盒類分數（類C數）

我們，如果我們有k個默認（錨）的說，我們預測箱*（4 + C）ķ

現在棘手的部分。我們如何獲得這些分數。

• 這裏我們使用具有特徵映射深度的一組卷積核。 （通常3 * 3）
• 由於存在（4 + C）的預測w.r.t 單個錨箱它就像我們有（4 + C）具有特徵圖的深度提到內核的上方。 所以它更像是一組過濾器。

這些設置的過濾器將預測超過（4 + c）標量。

因此，對於一個特徵圖，如果有，我們引用它們在預測K個錨箱，

我們有** K *（4 + C）過濾器（3 * 3的空間位置）以滑動窗口的方式應用在特徵地圖的每個位置周圍。**

我們訓練這些過濾器值！ 。