SSD算法学习

R-CNN系列目标检测精度高但是检测速度较慢，YOLO检测速度快但是精度不够，SSD对YOLO精度方面做了一些改进。

SSD生成的 default box 是多尺度的，防止了小目标经过高层卷积后特征消失掉，对小目标的检测优于YOLO，SSD生成的多尺度default box一定有更高概率找到更加贴近于 Ground Truth 的候选框。但是SSD较慢

SSD仍然是每个点生成一个预测框，与YOLO的区别在于其利用了多层的feature map 生成default box。

SSD步骤：

在 feature map 上每个点上生成一系列同心的Defalut box，选中的每一层各生成一部分，不同层生成的box的等级和面积由超参数确定，最终生成的box是YOLO生成的m倍（m是层数）

loss函数：位置回归采用Smooth L1 loss，confidence loss采用的softmax loss