4.7 其他单阶段检测器 (SSD, RetinaNet)

4.7 其他单阶段检测器 (SSD, RetinaNet)

本节摘要：YOLO 之外，SSD 和 RetinaNet 是单阶段的重要分支。本节讲 SSD 的多尺度多框和 RetinaNet 的 focal loss——单阶段检测的另两条路。

读前必看（上）

阅读完本节，你应当能够：

1. 理解 SSD 的多尺度多框设计
2. 理解 RetinaNet 的 focal loss
3. 对比单阶段检测器

概念脉络

一、SSD (Single Shot MultiBox Detector)

SSD 2016 年发布，和 YOLO 同期，是单阶段另一代表。

图 4-7 SSD 与 RetinaNet

SSD 核心思想：

• 多尺度特征图：在不同层级的特征图上检测（不同尺度目标）
• 多框预测：每个特征图位置用多种长宽比的锚点
• VGG 骨干：加额外卷积层得不同尺度特征图

SSD 比 YOLOv1 小目标好，速度快，但精度不及两阶段。SSD 是第一个把"多尺度特征图检测"做扎实的单阶段方法：浅层特征图分辨率高，负责小目标；深层特征图感受野大，负责大目标。这个思想直接启发了 YOLOv3 的多尺度头。

二、SSD 架构

SSD 在 VGG 基础上加多个卷积层，得到 6 个不同尺度特征图（38x38 到 1x1），每个位置用 4-6 个锚点，覆盖多尺度多长宽比。

损失 = 分类损失（交叉熵）+ 回归损失（Smooth L1），用难例挖掘平衡正负样本。

# SSD 多尺度锚点：每层特征图配不同尺度的锚点
def ssd_default_boxes(layer_sizes):
    """layer_sizes: 各层特征图尺寸，如 [38,19,10,5,3,1]"""
    default_boxes = []
    for i, size in enumerate(layer_sizes):
        s = base_scale[i]          # 该层锚点基础尺度
        for cx in np.linspace(0, 1, size):
            for cy in np.linspace(0, 1, size):
                for ratio in ratios[i]:
                    w = s * ratio ** 0.5
                    h = s / ratio ** 0.5
                    default_boxes.append([cx, cy, w, h])
    return np.array(default_boxes)
​

SSD 也面临正负样本不均衡，它用难例挖掘（hard negative mining）：排序所有负样本的损失，只取损失最大的前 3 倍正样本数量来训练。这和 focal loss 是解决同一问题的两种路线——一个挑难样本，一个给难样本加权。

三、RetinaNet 与 focal loss

RetinaNet 2017 年发布，核心是 focal loss，解决单阶段检测的正负样本不均衡问题。

单阶段的痛点：正负不均衡

单阶段检测每张图生成数万个候选位置，绝大多数是背景（负样本），正样本（含目标）极少。普通交叉熵让大量易分背景样本主导损失，模型学不到有效信息。

focal loss

• (1-p_t)^\gamma：降低易分样本（p_t 高）的权重
• \gamma：聚焦参数（通常 2）
• 让模型专注难分样本

focal loss 让单阶段精度首次追平两阶段，是单阶段的关键突破。

# focal loss 实现（二分类版）
def focal_loss(logits, targets, gamma=2.0, alpha=0.25):
    p = torch.sigmoid(logits)
    ce = F.binary_cross_entropy_with_logits(logits, targets, reduction='none')
    p_t = p * targets + (1 - p) * (1 - targets)   # 样本被分对的置信度
    alpha_t = alpha * targets + (1 - alpha) * (1 - targets)
    return (alpha_t * (1 - p_t) ** gamma * ce).mean()
​

当 \gamma=0 时 focal loss 退化为带 \alpha 加权的交叉熵；\gamma=2 时，一个被分对的背景样本（p_t=0.99）权重是 (0.01)^2=0.0001，几乎不贡献梯度；而难分样本（p_t=0.5）权重是 0.25。模型被迫把注意力放在那些"像目标却分错"的区域。

四、RetinaNet 架构

• 骨干：ResNet + FPN
• 检测头：分类 + 回归，anchor-based
• 损失：focal loss（分类）+ Smooth L1（回归）

RetinaNet 证明：单阶段精度不如两阶段，不是范式问题，而是损失函数问题。focal loss 解决不均衡后，单阶段也能 SOTA。

RetinaNet 的检测头还有个细节：分类和回归是解耦的两个子网络（各 4 层卷积）。早期单阶段方法用共享头，分类和回归的需求不同（分类要区分前景背景，回归要对正样本精修），共享会互相干扰。解耦头后来被 YOLOv6/v8 继承。

五、单阶段检测器对比

六、对后续的影响

• SSD 的多尺度思想被 YOLOv3 吸收
• RetinaNet 的 focal loss 被广泛采用
• anchor-free 思想（FCOS/CenterNet）影响 YOLOv6/v8

七、怎么选择

SSD 和 RetinaNet 已经很少作为生产首选，但它们的两个贡献活在每个现代检测器里：SSD 的多尺度检测思想被 YOLOv3 吸收，RetinaNet 的 focal loss 被无数模型采用。学它们不是为了"用"，而是为了看懂"多尺度"和"样本不均衡"这两个问题的标准解法。

⚠️ 单阶段精度瓶颈的真相：不是范式不行，而是正负样本不均衡。RetinaNet 用 focal loss 解决后单阶段追平两阶段，这是关键认知。

💡 关键直觉：SSD 多尺度多框（不同层级+多锚点），RetinaNet focal loss 解决正负不均衡（单阶段精度追平两阶段的关键）。两者影响后续 YOLO 设计。单阶段精度瓶颈是损失函数问题非范式问题。

本章回顾

• SSD：多尺度特征图（6 层级）+多框（多锚点），VGG 骨干，速度快小目标可。
• SSD 损失：交叉熵+Smooth L1，难例挖掘平衡。
• RetinaNet：focal loss 解决正负不均衡，ResNet+FPN，精度追平两阶段。
• focal loss：(1-p_t)^\gamma 降低易分样本权重，专注难分样本。
• 解耦头：分类回归分离，被 YOLOv6/v8 继承。
• 关键认知：单阶段精度瓶颈是损失函数问题非范式问题。
• 影响：SSD 多尺度→YOLOv3，focal loss→广泛采用，anchor-free→YOLOv6/v8。
• 对比：YOLO（回归快）、SSD（多尺度）、RetinaNet（focal loss）、FCOS/CenterNet（anchor-free）。

第 4 章结束。下一章讲核心技术与通用模块。