SSD算法介绍

SSD属于one-stage检测方法，主要通过了直接回归目标类别和位置的方式。在进行预测时也正是由于通过不同尺度的特征层上进行预测，所以在图像低分辨率时也能很好的对目标进行检测，保证其精度。在训练的过程中采用了端到端的方式进行训练。

SSD网络结构

 

 基础网络使用了VGG16的网络结构，然后通过对基础网络的改进，并增加了几个不同大小的卷积层来进行不同尺度特征图的提取（改进：去掉了VGG16网络中的两个FC层，并增加了4个卷积层）。（图中的6条线就代表了6个不同大小的特征图，这6个不同的特征图讲用于后期的预测网络中进行分类预测）。在提取不同特征图的方法上主要通过下采样的方式进行尺寸的变化。

基础网络中除了可以使用VGG16的网络结构外，还可以通过ResNet（更优秀）、MobileNets（更加的轻量级，可以压缩训练中的时间和计算量）等网络进行代替。

因此，SSD的网络结构可以简化为：image→CNN→预测网络→NMS。

上述的是CNN网络中所做的变化，而在后面的预测网络中还包含了prior box层的提取过程（这里所说的prior box层相当于R-CNN中所说的anchor box）。提取过程为以feature map的每个cell为中心，通过等比的方法找到它在原图像中的位置，并以这个点为中心来提取不同尺度的bounding box。每一个prior box都会分别预测相应的类别概率和坐标值。每个feature map中的点都会对应不同的prior box。

假设共有C个类别，则每个prior box就会有C+4个参数，如果当前的Feature map的尺寸为N*M，则就会存在N*M个cell，每个cell可以提取K个prior box，因此当前的Feature map的输出就是（C+4）*K*N*M。（具体的计算公式可以参考文章https://www.cnblogs.com/sddai/p/10206929.html）

6种default box就是5+1，5种不同的长宽比和增加的一种scale