SSD算法

1.目标检测的主流算法

1. two-stage
   以R-CNN，Fast R-CNN，Faster R-CNN等为代表的两阶段结构。产生一系列稀疏的候选框，然后对这些候选框进行分类与回归，two-stage方法的优势是准确度高。
2. one-stage
   以YOLO、SSD等方法为代表的Single-Shot结构。该结构为真正的端到端训练。其主要思路是均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，然后利用CNN提取特征后直接进行分类与回归，整个过程只需要一步，所以其优势是速度快，但是均匀的密集采样的一个重要缺点是训练比较困难，这主要是因为正样本与负样本（背景）极其不均衡（参见Focal Loss），导致模型准确度稍低。
   ssd
   
   yolo
   
   对比SSD和YoLo，SSD采用CNN直接进行检测，而非向Yolo在全连接之后进行检测，一是SSD提取了不同尺度的特征图来做检测，大尺度特征图（较靠前的特征图）可以用来检测小物体，而小尺度特征图