DSSD : Deconvolutional Single Shot Detector

   《DSSD : Deconvolutional Single Shot Detector》[1]  2017年发表在CVPR上。

    前身是《SSD: Single Shot MultiBox Detector》[2]  推荐博客：论文阅读：SSD: Single Shot MultiBox Detector

    两者都是物体检测领域的文章，DSSD对小目标检测效果较SSD有所提升。

方法

    在SSD中，作者采用VGG作为base network，但也提到其他网络应该也可以产生很好的效果。因为Residual-101[3]在很多文章中取得了很好的效果，所以在DSSD中，第一个改进就是把base network改成了Residual-101，提高特征提取能力。

  

    换完base network之后，作者通过实验发现，准确率从77.5%降至了76.4%，说明只换网络并不能够提高准确率。受[4]启发，如果能够提高每一个子网络的准确率，那整个网络的准确率也会得到提升。所以作者在每次预测之前（上图中红色椭圆部分）加入了一个“预测模块”（prediction module）：

    （a）是SSD中利用卷积层特征直接去预测类别分数（Cls）和坐标（Loc Regress）。（b）-（d）是作者提出的三种预测模块。经过实验证明，（c）能够获得更好的准确率。

    本文做的第二个贡献就是添加了反卷积模块，引入了空间上下文信息，从而大大提高了检测准确率。添加了反卷积之后，整个网络形成不对称的沙漏结构，如下图所示：

    蓝色块为卷积层，红色块为反卷积层。红色块做反卷积操作，然后与同大小的卷积层融合，之后再进行物体检测。其中的“反卷积模块”（Deconvolution module）：

其中Eltw Product是元素点积操作。作者也尝试了元素求和，但是点积操作的准确率稍高一些。

实验

    第一部分实验使用PASCAL VOC2007和VOC 2012的训练测试集训练网络，用2007的测试集进行测试。将训练好的SSD网络作为DSSD的预训练网络，第一种情况：保持卷积部分不变，只训练额外的反卷积部分。第二种情况：重新训练整个网络结构。实验发现，训练整个网络结构得到的效果不及两部分单独训练，所以后面只进行第一种情况的实验。实验结果如下：

    分析了一下mAP:

    20个类中，bottle的训练集中大多包含遮挡情况，而且聚会场景较多，背景杂乱；plant的实例较小，和盆有依赖关系，而且和背景颜色十分相似的完全鉴别不出来。这些原因导致这两类的准确率偏低。

    第二部分实验中训练集增加了VOC 2007的测试集，采用VOC 2012的测试集作为测试。实验结果如下：

    和第一部分实验结果类似，不再具体分析。

    第三部分实验采用COCO数据集。主要分析了不同的IoU以及对不同尺度的目标等的检测情况，实验结果发现对于小物体检测效果很好，分析如下：

    第四部分实验主要比较了不同方法的运行时间，以及BN过程对时间的影响。

    实验发现，移去BN过程之后，FPS变大，即每秒能处理更多张的图像。除此之外，base network换为Residual-101之后，SSD和DSSD都变慢了，主要原因有三个：1.Residual-101相比VGG，有更多的卷积层；2.增加的反卷积层带来的额外的运算；3.DSSD中增加了比例为1.6的default boxes，这也增加了预测时间。总的来说，提出的DSSD模型在保持了与其他检测器相似速度的同时，达到了更好的检测准确率。

    最后，展示一下DSSD的检测例子：

   参考paper：

    [1]Fu C Y, Liu W,Ranga A, etal. DSSD :Deconvolutional Single Shot Detector[J]. 2017.

     [2]W. Liu, D.Anguelov, D.Erhan, S.Christian, S. Reed, C.-Y. Fu, and A. C. Berg. SSD: single shotmultiboxdetector. In ECCV, 2016.

     [3]K. He, X. Zhang, S. Ren, and J.Sun. Deep residual learning for image recognition. In CVPR, 2016.

     [4]Z.Cai, Q. Fan, R. S.Feris, and N.Vasconcelos. Aunifiedmultiscale deepconvolutional neuralnetwork for fast object detection. In ECCV, 2016.