SSD：single shot multibox detector 阅读笔记

一句话描述：SSD在多尺度下面计算特征，然后评估在该尺度下的区域存在的概率以及相关offset，是一种遍历所有区域的方式。

SSD获得的是图像中的矩形区域以及该区域所对应的类型以及类型得分。

训练整体流程：

1.图像经过卷积网络，得到图像的base特征A，

2.在对这个特征进行多层级的提取feature map B，

3.在每个feature map中各个位置location，每个location对应多个default box，

4.计算每个default box的loc offset 以及 class score。

5.根据default box以及loc offset 计算区域位置P，再根据class score，计算每个default box的损失函数，累加得到最终的损失函数。（文章中指出 由于negative 的矩形区域明显多于positive的矩形区域，所以根据计算的confidence 排序获得前N个矩形区域求损失函数，negative 与positive的比例大致是3:1）

优势：使用图像在各个scale下各个位置的特征进行回归，既保证了速度，也保证了准确度。

可能可以提高的方面：其在各个位置中用到的特征仅仅只是该尺度下的特征，没有结合上层或者下层特征。