SSD，单次多框检测器Single Shot Multibox Detector，超越YOLO和Fast-RCNN_单次多盒检测器(ssd)概述

SSD（Single Shot Multibox Detector，单次多框检测器）

 SSD算法在传统的基础网络（比如VGG）后添加了5个特征图尺寸依次减小的卷积层，对5个特征图的输入分别采用2个不同的3*3的卷积核进行卷积，

• 一个输出分类用的置信度，每个default box生成21个类别的置信度；
• 一个输出回归用的localization，

每个default box（默认框）生成4个坐标值，最后将5个特征图上的结果合并（Contact），送入loss层。

其中，Default box的选择是该网络的核心:

（Default box类似于Anchor）

 feature map被分成了许多小格子，如4*4、8*8等，每一个格子是feature map的一个单元(cell)。

        每一个feature map的cell上都有一系列固定大小的不同尺寸的box，叫default box，

上图中虚线的矩形框就是default box。坐标的类别的预测都是基于default box（代码中似乎在default box的基础上进行了处理编程了prior box）预测的。假设每个feature map的大小是m*n,即feature map的cell为m*n个，每一个default box都要预测C个类别的score和4个offset，假设每个feature map对应K个default box，则这张m*n大小的feature map上要产生m*n*K*(4+c)个输出，这也意味着在这张m*n大小的特征图上需要用m*n*k*(c+4)个3*3的卷积核去卷积得到最后的m*n*K*(4+c)个输出。当然这些feature map是3.1中提到的参与最终回归预测的5个层。每一个m*n*K*(4+c)个输出都对应一个3*3的卷积核，对上面的5个层的输出全部都执行上述3*3的卷积操作后，将得到的特征图合并（采用类似Inception模块里的Contact，是通道合并而不是卷积图对应的数值相加）。
 

SSD网络特色：

1）在基础网络（VGG）后添加了辅助性的层进行多尺度卷积图的预测结果融合；

2）提出了类似Anchor的Default boxes，解决了输入图像目标大小尺寸不同的问题，同时提高了精度，可以理解为一种特征金字塔（FPN)；

3）相比于Faster R-CNN，SSD提出了一个彻底的端到端的训练网络，保证了精度的同时大幅度提高了检测速度，且对低分辨率的输入图像的效果很好；