（6）单次目标检测——SSD

    SSD，全称Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一种目标检测算法，截至目前是主要的检测框架之一，相比Faster RCNN有明显的速度优势，相比YOLO又有明显的mAP优势（不过已经被CVPR 2017的YOLO9000超越）。SSD具有如下主要特点：

    从YOLO中继承了将detection转化为regression的思路，同时一次即可完成网络训练

    基于Faster RCNN中的anchor，提出了相似的prior box；

    加入基于特征金字塔（Pyramidal Feature Hierarchy）的检测方式，相当于半个FPN思路。即在不同尺度的特征图上分别进行预测。

    对比SSD于YOLO的网络结构如下：

SSD与YOLO网络结构对比

   可以看到YOLO在卷积层后接全连接层，即检测时只利用了最高层feature maps（包括Faster RCNN也是如此）；而SSD采用了特征金字塔结构进行检测，即检测时利用了conv4-3，conv-7（FC7），conv6-2，conv7-2，conv8_2，conv9_2这些大小不同的feature maps，在多个feature maps上同时进行softmax分类和位置回归。

    SSD使用低层feature map检测小目标，使用高层feature map检测大目标 。

   进在SSD中引入了Prior Box，实际上与anchor非常类似，就是一些目标的预选框，后续通过softmax分类+bounding box regression获得真实目标的位置。但是需要人工设置prior box的min_size，max_size和aspect_ratio值。网络中prior box的基础大小和形状不能直接通过学习获得，而是需要手工设置。而网络中每一层feature使用的prior box大小和形状恰好都不一样，导致调试过程非常依赖经验。

    在生成一系列的 predictions 之后，会产生很多个符合 ground truth box 的 predictions boxes，但同时，不符合 ground truth boxes 也很多，而且这个 negative boxes，远多于 positive boxes。这会造成 negative boxes、positive boxes 之间的不均衡。训练时难以收敛。

    因此，先将每一个物体位置上对应 predictions（default boxes）是 negative 的 boxes 进行排序，按照 default boxes 的 confidence 的大小。 选择最高的几个，保证最后 negatives、positives 的比例在3：1。

    训练技巧，在使用SSD时候，经常需要选择设置一些超参数，包括Bbox的尺寸和比例等，在训练前对这些做一些统计分析，提前设置好bbox尺寸对训练效果有明显帮助。