重读SSD（2016 SSD: Single Shot MultiBox Detector）

一、softmax的真相（与SVM）
全连接层（ssd没有用全连接层）或卷积层后面接的softmax是多分类，相当于OvO（一对一）/OvR（一对多）的SVM或者Adaboost.
注：
人为提取特征有SIFT、HOG、SURF等方法，而深度学习网络是自动提取特征；
过去在原图上基于滑动窗口的区域选择策略容易产生窗口冗余，Faster rcnn是从第五层特征图上选anchor，ssd是从conv4_3,conv7,conv8_2,conv9_2,conv10_2,conv11_2这些大小不同的feature maps来选候选框。
二、边框回归的实质
ssd方法的核心是使用小卷积滤波器（3×3的卷积核）来预测特征图上固定的一组默认边界框的类别分数和位置偏移。其中位置偏移是groundtruth(真实标签框)与建议框的偏移量（包括中心点坐标x,y和宽度长度w,h）：

上图是训练时才有的计算，而作预测时则只有下图：

三、损失函数（与KKT条件、拉格朗日乘子）