開篇放下論文地址https://arxiv.org/abs/1512.02325，可以自行參考論文。

接著放下我使用pytorch復現的版本地址https://github.com/acm5656/ssd_pytorch，如果這篇部落格或者程式碼有幫到你，麻煩給個星哈。

程式碼解讀的部落格連結如下https://www.cnblogs.com/cmai/p/10080005.html，歡迎大家前來閱讀。

模型圖

首先來介紹下ssd模型：

模型圖如下：

　　在圖中，我們可以大概看下模型的結構，前半部分是vgg-16的架構，作者在vgg-16的層次上，將vgg-16後邊兩層的全連線層（fc6,fc7）變換為了卷積層，conv7之後的層則是作者自己新增的識別層。

　　我們可以在模型圖中觀察到在conv4_3層，有一層Classifier層，使用一層（3,3,(4*（Classes+4）)）卷積進行卷積（Classes是識別的物體的種類數，代表的是每一個物體的得分，4為x，y，w，h座標，乘號前邊的4為default box的數量），這一層的卷積則是提取出feature map，什麼是feature map呢，我們在下文會介紹，這時候我們只需要簡單的瞭解下。不僅在conv4_3這有一層卷積，在Conv7、Conv8_2、Conv9_2、Conv10_2和Conv11_2都有一層這樣的卷積層，因此最後提取到6個feature map層。那麼細心的小夥伴會發現，最後的Detections：8732 per Class是怎麼算出來的呢？具體的計算如下：

　　Conv4_3  得到的feature map大小為38*38：38*38*4 = 5776

　　Conv7      得到的feature map大小為19*19：19*19*6 = 2166

　　Conv8_2  得到的feature map大小為10*10：10*10*6 = 600

　　Conv9_2  得到的feature map大小為5 * 5  ：5 * 5 * 6 = 150

　　Conv10_2得到的feature map大小為3 * 3  ：3 * 3 * 4 = 36

　　Conv11_2得到的feature map大小為1 * 1  ：1 * 1 * 4 = 4

　　最後結果為：8732

　　這時候會有小夥伴會疑惑，為什麼要乘以4或者6，這個是default box數量，這個會在下文將feature map時介紹到。

　　那麼ssd則是在這8732個結果中找到識別的物體。

default box 和 feature map

　　講完模型圖，這就來填之前的留下的兩個坑，什麼是feature map和default box呢？

　　先看下論文中的圖

　　feature map則是剛才指的Classifier產生的結果，如圖（b）和（c） b是大小8*8的feature map，c是大小4*4的feature map，其中每一個小個子都包含多個box，同時每個box對應loc（位置座標）和conf（每個種類的得分），default box長寬比例預設有四個和六個，四個default box是長寬比為（1:1）、（2:1）、（1:2）、（1:1）這四個，六個則是添加了（1:3）、（3:1）這兩個，這時候有小夥伴會問，為什麼會有兩個（1:1）呢。這時候就要講下論文中Choosing scales and aspect ratios for default boxes這段內容了。作者認為不同的feature map應該有不同的比例，這是什麼意思呢，代表的是default box中這個1在原圖中的尺寸是多大的，計算公式如下所示：

公式S_k即代表在300*300輸入中的比例，m為當前的feature map是第幾層，k代表的是一共有多少層的feature map，S_min和S_max代表的是第一層和最後一層所佔的比例，在ssd300中為0.2-0.9。那麼S怎麼用呢，作者給出的計算方法是，w_k = S_k√a_r，h_k = S_k / √a_r，其中a_r代表的是之前提到的default box比例，即（1,2,3,1/2,1/3），對於default box中心點的值取值為（(i+0.5) / |f_k|，（j+0.5）/|f_k|）,其中i，j代表在feature map中的水平和垂直的第幾格，f_k代表的是feature map的size。那麼重點來了，還記得之前有一個小疑問，為什麼default box的size有兩個1嗎？作者在這有引入了一個S_k' = √S_k*S_k+1，多出來的那個1則是通過使用這個S_k'來計算的，有的小夥伴可能會有疑問，這有了k+1則需要多出來一部分的S_k啊，是的沒錯，作者的程式碼中就添加了兩層，第一層取0.1，最後一層取1。到這位置，基本上模型和default box是解釋清楚了。

損失函式

講完之前的所有內容，模型我們大概都有了瞭解，最後則是損失函式部分了。先放出來論文中的損失函式。

L_conf和L_loc分別代表的是得分損失函式和位置損失函式，N代表的數量，接下來將兩個函式分開來看下：

其中X_ij^k代表的是第i個default box，第j個box的比例，k代表的是第k個種類，X的值為{0,1}，g_j代表的是ground truth box，即圖片中類別的位置，有四個，分別為cx，cy，w，h，d_i則對應的是之前default box計算的大小，然後根據上述公式轉換算出所有的g'，使用預測的l進行做差，使用smoothL1損失函式計算損失。

L_conf函式則相對比較簡單，通過使用sigmod求出C_i^p的正比和反比，求log相加即可。

結束

到此整個ssd模型大體上算是講清楚了，從model到match box到loss函式，算是整體過了一遍，其中還有一些不清楚的地方，可以參考下篇講程式碼實現的部落格。在論文中作者還使用了data argumentation，擴大資料，具體的做法在此不詳細講解了，筆者以後有時間會加以瞭解並講解的。