ssd演算法介紹
ssd屬於one-stage檢測方法，主要通過了直接回歸目標類別和位置的方式。在進行**時也正是由於通過不同尺度的特徵層上進行**，所以在影象低解析度時也能很好的對目標進行檢測，保證其精度。在訓練的過程中採用了端到端的方式進行訓練。
ssd網路結構
基礎網路使用了vgg16的網路結構，然後通過對基礎網路的改進，並增加了幾個不同大小的卷積層來進行不同尺度特徵圖的提取（改進：去掉了vgg16網路中的兩個fc層，並增加了4個卷積層）。（圖中的6條線就代表了6個不同大小的特徵圖，這6個不同的特徵圖講用於後期的**網路中進行分類**）。在提取不同特徵圖的方法上主要通過下取樣的方式進行尺寸的變化。
基礎網路中除了可以使用vgg16的網路結構外，還可以通過resnet（更優秀）、mobilenets（更加的輕量級，可以壓縮訓練中的時間和計算量）等網路進行代替。
因此，ssd的網路結構可以簡化為：image→cnn→**網路→nms。
上述的是cnn網路中所做的變化，而在後面的**網路中還包含了prior box層的提取過程（這裡所說的prior box層相當於r-cnn中所說的anchor box）。提取過程為以feature map的每個cell為中心，通過等比的方法找到它在原影象中的位置，並以這個點為中心來提取不同尺度的bounding box。每乙個prior box都會分別**相應的類別概率和座標值。每個feature map中的點都會對應不同的prior box。
假設共有c個類別，則每個prior box就會有c+4個引數，如果當前的feature map的尺寸為n*m，則就會存在n*m個cell，每個cell可以提取k個prior box，因此當前的feature map的輸出就是（c+4）*k*n*m。（具體的計算公式可以參考文章
6種default box就是5+1，5種不同的長寬比和增加的一種scale
SSD效能介紹
主要內容概括如下 1.ssd與傳統磁碟相比，第一是沒有機械裝置，第二是由磁介質改為了電介質 2.sd可以提供非常高的隨機讀取能力 3.erase before write ssd的最小寫入單元為4kb，稱為頁 page 擦除的單位一般是128個page 512kb 寫入放大的問題 4.wear le...
目標檢測 SSD原理
ssd使用vgg 16 atrous作為基礎網路，其中黃色部分為在vgg 16基礎網路上填加的特徵提取層。ssd與yolo不同之處是除了在最終特徵圖上做目標檢測之外，還在之前選取的5個特特徵圖上進行 ssd圖1為ssd網路進行一次 的示意圖，可以看出，檢測過程不僅在填加特徵圖 conv8 2,con...
tarjan演算法原理介紹
證明比較繁瑣，仔細檢查了應該沒有大錯，記錄一下證明過程。在有向圖中，強連通分量的定義是 有向圖的某個子圖，其中任意兩個點之間可以互達。定理1 乙個完整的強連通分量一定包含在一棵深度優先搜尋樹中。定理2 子圖是強連通分量 子圖中的每一條路徑都歸屬於乙個環狀 除非只有乙個點 證明 根據強連通分量的定義，...