- 「SSD（物体検出）」について学びたいけど理解できるか不安･･･
- 「SSD（物体検出）」を使うメリットが分からない？
- 「SSD（物体検出）」を体系的に教えて！
「SSD（Single Shot Detector）」はone-stageの手法であるため、計算コスト、学習時間を抑えられる物体検出モデルですが、よく理解できないケースが非常に多いです。
私は過去に基本情報技術者試験（旧：第二種情報処理技術者試験）に合格し、また2年程前に「一般社団法人 日本ディープラーニング協会」が主催の「G検定試験」に合格しました。現在、「E資格」にチャレンジ中ですが３回不合格になり、この経験から学習の要点について学ぶ機会がありました。
そこでこの記事では、「SSD」を学習する際のポイントについて解説します。
この記事を参考に「SSD」が理解できれば、E資格に合格できるはずです。
1.SSD（Single Shot Detector）の概要
引用元：https://arxiv.org/pdf/1512.02325.pdf
2.SSDのネットワーク構造
2.1 特徴マップからの出力
マップの中の１つの特徴量における１つのDefault Boxについて
出力サイズ #Class +4
↑
オフセット項 Δx,Δy,Δw,Δh
マップ中の各特徴量にk個のDefault Boxを用意する時、
出力サイズ k（#Class +4）
更に、特徴マップのサイズがm×nであるとすれば、
出力サイズ k（#Class +4）mn
↑ ↑
特徴マップごとに
用意するDefault Box数
SSDにおけるオフセット項の注意
x=x0＋0.1×Δx×w0 w=w0×exp(0.2×Δw)
y=y0＋0.1×Δy×h0 h=h0×exp(0.2×Δh)
2.2 その他の工夫
多数の Default Box を用意したことで生じる問題への対処
NonｰMaximum Suppression
Hard Negative Mining
2.3 損失関数
3.実験結果
引用元：https://arxiv.org/pdf/1512.02325.pdf
- 上表の説明
・各セルの値はmAP（mean Average Precision）を表している。
・テストデータ：VOC2007 test、VOC2012 test、COCO testｰdev2015
・訓練データ：07+12、07+12+COCO、trainval35k
・IoU（Intersection over Union）の閾値：0.5、0.5:0.95、0.75
- COCOではBB（Bounding BOX）位置の精度を重視した指標も用いられている。
- 入力の解像度は精度に影響する。
- SSDは小さな物体の検出を苦手とすることが予想される。
4.SSDの進化の過程
- ①SSD：Single Shot MultiBox Detector
- ②DSSD：Deconvolutinal Single Shot Detector
- ③Extend the shallow part of Single Shot MultiBox Detector via Convolutional Neural Network
- ④Single-Shot Refinement Neural Network for Object Detection
5.まとめ
最後まで読んで頂きありがとうございます。
皆様のキャリアアップを応援しています!!
コメント