ssd网络结构_论文阅读：SSD

一、对网络的理解

1、SSD网络结构

这个网络主要是利用了不同层的feature map，不同层的feature map尺寸大小不一样，尺寸随feature map层数增加线性增加，可以用于产生不同尺寸的先验框，再加上同一种尺寸下不同长宽比的先验框，6个feature map的情况下用可以产生8732个先验框，覆盖范围非常广。

其中，先验框的产生是利用小的卷积核去卷积feature map，所以产生先验框的同时可以预测框的坐标 大小 以及对应类别的置信度，一次齐活，没有faster rcnn的roi pooling那个阶段，不用二次利用feature map。

还有一点是 利用了data augmentation，使得map提升将近10%，论文中有数据说明。data augmentation就主要是利用目标的部分作为整张图像进入网络，使得网络对目标的细节捕捉能力变强。

2、SSD的基础网络是VGG16，其中fc6 fc7被改成卷积层，dropout和fc8被去掉，conv6用到了膨胀卷积增加感受野。

VGG16中的Conv4_3层将作为用于检测的第一个特征图。conv4_3层特征图大小是 38*38 ，但是该层比较靠前，其norm较大，所以在其后面增加了一个L2 Normalization层（参见ParseNet），以保证和后面的检测层差异不是很大，这个和Batch Normalization层不太一样，其仅仅是对每个像素点在channle维度做归一化，而Batch Normalization层是在[batch_size, width, height]三个维度上做归一化。归一化后一般设置一个可训练的放缩变量gamma。

从后面新增的卷积层中提取Conv7，Conv8_2，Conv9_2，Conv10_2，Conv11_2作为检测所用的特征图，加上Conv4_3层，共提取了6个特征图。

3、网络的输出检测值 包含两个部分：类别置信度和边界框位置，各对6个feature map采用一次 33 卷积来进行完成。令 k为该特征图所采用的先验框数目，那么类别置信度需要的卷积核数量为k<