xSSD: DSSD，FSSD，ESSD，MDSSD，fireSSD

1 DSSD

title :DSSD : Deconvolutional Single Shot Detector
conf & anthor: arXiv, Cheng-Yang Fu
arXiv:https://arxiv.org/abs/1701.06659
intro:Deconvolutional
主要内容：
DSSD使用ResNet-101代替VGG作为主干网络，在‘SSD layers‘后面添加了反卷积层和feed-forward连接，然后使用residual block作为预测层。

2 FSSD

title :FSSD: feature fusion single shot multibox detector
conf & anthor: arXiv,
arXiv:https://arxiv.org/pdf/1712.00960.pdf
intro： feature fusion
主要内容：
对不同层的不同尺度的feature map 进行融合(bilinear interp + concat)后，再送入检测层。
性能：
mAP:82.7 (PASCAL VoC 2007 test)
FPS:65.8 (input size 300x300 1080Ti GPU)

3 ESSD

title:Extend the shallow part of Single Shot MultiBox Detector via Convolutional Neural Network
arXiv:https://arxiv.org/abs/1801.05918
主要内容：
在主干网络完成之后，将n+1层的信息与n层的信息融合(n+1层做deconv + concat or element-wise sum)之后，再送入检测层。
性能：
mAP: 79.4 (PASCAL VoC2007)
FPS:25 (Titan X GPU)

4 MDSSD

title:MDSSD: Multi-scale Deconvolutional Single Shot Detector for Small Objects
arXiv:https://arxiv.org/abs/1805.07009
intro:multi-scale convolution
主要内容：
将具有交丰富的语义特征的高层feature map通过deconvlution扩大尺寸后，再与低层的feature map进行融合，然后在送入预测层。
性能：
mAP:78.6 (PASCAL VoC 2007 test) , 28.6(MS COCO test-dev2015)

5 fire SSD

title:Fire SSD: Wide Fire Modules based Single Shot Detector on Edge Device
arXiv:https://arxiv.org/abs/1806.05363
intro: wide fire module
主要内容：
使用带residual连接的SqueezeNet作为主干网络，并且对SqueezeNet中的fire module做了修改，将原来的卷积改为分组卷积，将3x3的卷积分为16组，1x1的卷积分为2组。
性能：
mAP:70.5(PACSCAL VoC 2007)
FPS:31.7 (i7 2.6GHz 45W CPU)