SSD

一、简介

最大的改变就是综合了前面几层的特征，每层都生成输出值。

1）SSD采用CNN直接进行检测，然而YOLO在全连接层之后进行检测；

2）SSD提取的不同尺度的feature map来做检测，大尺度的特征图（靠前的特征图）用来检测比较小的物体（感受野小），而小尺度的特征图用来检测大物体（感受野大）；

3）SSD采用了不同尺度和不同长宽比的先验框（Prior Box ，Default Box，在faster r-cnn中叫做锚，Anchor）。

二、细节

1、损失函数

2、看上面的博客，

这里实际上是每个feature map的每个点上生成了4个或者6个default box，所以网络生成的总共的default box是8732

也就是每个点乘以该点生成的default box 然后全部加起来。这里的8732对比yolo 的7*7*2=98（只有最后一层才生成）

然后每个点的每个box，又会包含一系列信息，包括 位置，置信度。

就是这里，实现的时候可能是对每一层的卷积层的特征，然后分三路，每路根据需求使用特定的卷积，卷出来每个box所需要的三种特征。

3、关于特征图的宽高，和通道数不一样的问题

卷积层的feature map的宽和高不同，这个体现在后面生成的box的数量不同，我们计算损失，都是以box为基本单位算的，所以不需要担心这个差异。关于通道数不同，因为每个feature map 都是三路下来，而且这三路都是按照同一个标准（类别都是21，坐标宽高都是4）卷积的，所以这部分信息也会被统一的，所以最后   得到的就是一个一个box 的特征向量，而且每个特征向量都是相同大小，这样就可以计算损失了

三、疑问

正样本和负样本怎么用的

ssd速度为什么快

参考

http://hellodfan.com/2017/10/14/%E7%89%A9%E4%BD%93%E6%A3%80%E6%B5%8B%E8%AE%BA%E6%96%87-SSD%E5%92%8CFPN/