对SSD的理解

1、SSD提供了一种用于目标检测的方法，仅仅使用了一个深度神经网络。

--这是相对于RCNN的训练来说的，因为对于Faster Rcnn，需要训练RPN网络以及fast rcnn网络。

2、SSD的特别之处：

--就像摘要里说的那样，它把最终要输出的bounding box预先固定在默认设置好的特征图上，意思是你给网络输入一个图片，它肯定会产生很多特征图，而我就在特征图上预先声明好很多box，你最后要得到的bounding box就是从已经声明好的box里挑出来的，当然不是直接拿来就用，而是把挑到的box进行调整。

--还强调了一点，这些预先设定的box形态各异，因为图片上的物体有各种形状，为了使得能更快的更精确的调整box使其能与图片上的物体的形状更吻合，所以先设定长宽比例不同的box。

3、SSD的预测：

--在预测阶段呢，操刀的地方就是预设的那些box，对这些box覆盖的区域进行分类，比如21类，分类的话肯定会产生每一类的得分是多少

--除了预测分类任务，还要调整这些box的大小及形状，就得到了物体的位置，也就是我们看到的框框。

4、对于大小不一的物体怎么统一检测呢？

--SSD说，它采用了从不同“”分辨率“”的特征图上设置预设box的方法，我直觉上感觉它说的道理行得通。

5、SSD的自我总结：

--我跟YOLO一样简单都是a single-shot detector for multiple categories，但是我比它快，比它精确，还有，我承认Faster Rcnn很精确，但是我比它快。

--我的核心科技在于我是对那些预设的固定数目的box进行分类评分和预测其新位置的，请注意，这些box分布在不同尺寸的特征图上，还有，这些box也是形态各异的。

--叽里咕噜叽里咕噜

--通过比赛，证明了我自己。

6、SSD网络的结构：

--分为两个部分，前面的是标准的高质量图片分类，但是去掉了分类层，在SSD中叫它base network，但是base network满足不了SSD， 所以：add auxiliary structure to the network to produce detections with the following key features

7、6中提到的 auxiliary structure都是啥？

--Multi-scale feature maps for detection，就是在base net后边加上卷积特征层，这些层的尺寸依次减小，这就相当于实现了在multiple scales feature上detection。

--Convolutional predictors for detection ，前面提到的base net及multiple scales feature maps for detection能产生固定数目的detection predictions，而要进行predictors for detection的话用的是3x3xp的small kernel，用于对分类评分及对default box计算应该进行的偏移量。