SSD系列（SSD、DSSD、FSSD 、RefineDet）

• • • SSD:SingleShotMultiBoxDetector
      • 简介
        • one-stage、基于回归的目标检测，74.3mAP、59FPS （ on VOC2007 test ）
      • 网络结构

        • 

        • SSD 300中输入图像的大小是300x300，特征提取部分使用了VGG16的卷积层，并将VGG16的两个全连接层转换成了普通的卷积层（图中conv6和conv7）。由SSD的网络结构可以看出，SSD使用6个不同特征图检测不同尺度的目标。低层预测小目标，高层预测大目标
      • 主要特点
        • 同时使用多个卷积层的输出（6个）来做分类和位置回归
        • 边界框（bound ing boxs）的生成与Faster R-CNN中anchor类似的方式
          • 在特征图的每个像素点处，生成不同宽高比的default box(anchor box),论文中设置的宽高比为{1,2,3,1/2,1/3}。假设每个像素点有k个default box，需要对每个default box进行分类和回归，其中用于分类的参数为c*k(c表示类别数)，用于回归的参数为4*k
          • default box的尺寸计算是基于下面的公式的（YOLOV3是直接利用kmeans生成的，也不需要宽高比。faste-rcnn是直接设置的anchor Scales ）