8.3 DSSD

DSSD的核心思想：

• backbone使用ResNet替换了VGG，增强了特征提取能力。
• 添加了转置卷积层，增加上下文信息。

图1 SSD和DSSD

问题：SSD算法检测小目标困难。
DSSD算法将SSD算法基础网络从VGG-16更改为ResNet-101，增强网络特征提取能力，其次参考FPN算法思路利用去Deconvolution结构将图像深层特征从高维空间传递出来，与浅层信息融合，联系不同层级之间的图像语义关系，设计预测模块结构，通过不同层级特征之间融合特征输出预测物体类别信息。

DSSD算法中有两个特殊的结构：

• Prediction模块；
  利用提升每个子任务的表现来提高准确性，并且防止梯度直接流入ResNet主网络。
• Deconvolution模块。
  增加了三个Batch Normalization层和三个3×3卷积层，其中卷积层起到了缓冲的作用，防止梯度对主网络影响太剧烈，保证网络的稳定性。

Prediction模块

图2 Prediction模块

SSD直接从多个卷积层中单独引出预测函数，预测量多达7000多，梯度计算量也很大。MS-CNN方法指出，改进每个任务的子网可以提高准确性。根据这一思想，DSSD在每一个预测层后增加残差模块，并且对于多种方案进行了对比，如图2所示。结果表明，增加残差预测模块后，高分辨率图片的检测精度比原始SSD提升明显。

Deconvolution模块

图3 Deconvolution模块

为了整合浅层特征图和deconvolution层的信息，作者引入deconvolution模块，如图3所示。作者受到论文Learning to Refine Object Segments的启发，认为用于精细网络的deconvolution模块的分解结构达到的精度可以和复杂网络一样，并且更有效率。作者对其进行了一定的修改：

• 在每个卷积层后添加批归一化（batch normalization）层；
• 使用基于学习的deconvolution层而不是简单地双线性上采样；
• 作者测试了不同的结合方式，元素求和（element-wise sum）与元素点积（element-wise product）方式，实验证明元素点积计算能得到更好的精度。