Single shot经典算法：SSD

SSD全称：Single Shot MultiBox Detector

特点：

• 增加多尺度feature map。
• 在feature map上使用小的卷积核预测一系列 bounding boxes 的 box offsets
• 与Faster R-CNN和YOLO相比性能更优。

SSD结构

这一幅图表示 SSD 的大概流程：首先用 VGG 或者 ResNet 等一些分类网络生成
feature map，然后在 feature map 上直接并且同时进行预测回归。
下面看一下 SSD 架构：首先输入 300×300 大小的图像，在 VGG-16 中的第 6 层全连接层改为了卷积层，在第 8 层中，先通过了 1×1 的卷积，然后再进行 3×3 的
512，步长为 2 的卷积，后面也是一样的。针对得到不同尺度的 feature map，对
这5个进行3×3的卷积，输出两个结果，一个输出分类用的confidence，每个default
box 生成 21 类的 confidence（数据集里面 20 类+1 类背景）另外一个用于边框的
回归，输出 localization，每个 default box 生成 4 个坐标值