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