模型简介

ssd是2020年的论文《SSD：Single-Shot MultiBox Detector》，是一种one-stage的通用物体检测算法，在2016年被提出，另外一个常听到的one-stage算法为YOLO，只是SSD算法的性能与速度优于YOLO。SSD算法有以下特点：去掉了候选框的操作，采用了Anchor的机制。Anchor机制实际上是每一个点都做为候选区域的中心点。至于如何完成，一会再介绍 直接回归目标的类别和位置，在传统的目标检测算法中，想要获取目标区域的位置，一般都是候选框提取。从原始图片中不停的进行采样，找到目标区域。典型的为滑动窗口去采样。 不同尺度的特征图预测，这样可以完成对不同物体尺寸进行适应 论文地址：https://arxiv.org/abs/1512.02325

• 1. 使用方法

  • 1.1. 模型训练

  • 1.2. 模型测试

  • 1.3. 模型评估

• 2. 模型来源

1. 使用方法

1.1. 模型训练

进入终端，在root/ssd.pytorch-master（默认路径）下，运行以下命令：

python train.py

1.2. 模型测试

进入终端，在root/ssd.pytorch-master（默认路径）下，运行以下命令：

python test.py

1.3. 模型评估

进入终端，在root/ssd.pytorch-master（默认路径）下，运行以下命令：

python eval.py

2. 模型来源

https://github.com/amdegroot/ssd.pytorch