SSD网络

Anchor-based的目标检测网络按阶段来分有两类，以RCNN为代表的的二阶段检测和SSD，Yolo为代表的一阶段网络

ssd中位置回归损失函数

锚框和真实框的匹配策略：
1.为每个真实框匹配一个与其IOU最高的锚框
2.为每个未匹配的锚框，计算与所有真实框的IOU的最大值，如果最大值大于阈值，那么用这个锚框来预测这个IOU最大值对应的真实框

困难负样本挖掘：
因为正负样本严重不平衡，因此在训练中，只对置信度损失较大的负样本进行学习，并保证正负样本比例在1:3

L2损失函数：
优点：连续光滑，方便求导，具有较稳定的解
缺点：对异常值敏感，可能导致梯度爆炸

L1损失函数：
优点：有稳定的梯度，不会导致梯度爆炸，对异常值的敏感程度轻于L2
缺点：中心点不可导，在中心点附近导数变化大，容易导致不稳定的解

smoothL1损失函数：

优点：
在|x|<1时，表现得像L2损失，连续光滑，方便求导，具有稳定解
在|x|>1时，表现得像L1损失，有稳定梯度，不会导致梯度爆炸，对异常值不敏感

IOU计算：