SSD全稱：Single Shot MultiBox Detector  是2016年ICCV的一篇論文。是目前為止主要的目標檢測演算法。

演算法的主要優點：

1. 速度比Faster-Rcnn快，精度比YOLO高。（在兼顧速度的同時，精度也很高。在不同的測試集下面結果都很不錯）。

2.為提高準確率在不同的特徵圖下面（不同的尺度下面）進行結果的預測特徵金字塔預測方式。

3.採用了END-TO-END的訓練方式，即使解析度比較小的圖片，分類結果也很準確。

SSD網路結構：

SSD 是基於一個前向傳播 CNN 網路，產生一系列 固定大小（fixed-size） 的 bounding boxes，以及每一個 box 中包含物體例項的可能性，即 score。之後，進行一個

1.Mult-scale feature map for detection

    就是特徵金字塔檢測方式。從不同尺度的特徵圖下面來預測目標分類與位置。

2.Convolutional predictors for detection

   在金字塔結構中每一部分都有3*3的卷積來進行預測，在某個位置上得到一個預測值，這個預測值可能是一個分類的得分，也可能是現對於預設框的的位置偏差。從圖3可以看出來conv6-2，conv7-2，conv8-2，conv9-2，fc7，conv4-2。

3.Default boxes and aspect ratio

在特徵圖的每個位置預測K個box，每個box預測c個分類得分，和4個現對於預設框的位置偏移量。那麼在m*n的特徵圖中就可以得到（c+4）*n*m個預測值。論文中的prior box 類似於Faster-Rcnn中的anchor。如下圖4所示。

圖2，SSD網路結構：

圖3，金字塔結構：

SSD網路訓練：

SSD 訓練影象中的 groundtruth 需要賦予到那些固定輸出的 boxes 上。SSD 輸出的是事先定義好的，一系列固定大小的 bounding boxes。

1.Matching strategy：主要介紹的是如何將GT與預設框組成label。

在開始的時候，用 MultiBox 中的 best jaccard overlap 來匹配每一個 ground truth box 與 default box，這樣就能保證每一個 groundtruth box 與唯一的一個 default box 對應起來。但是又不同於 MultiBox ，本文之後又將 default box 與任何的 groundtruth box 配對，只要兩者之間的jaccard overlap 大於一個閾值，這裡本文的閾值為 0.5。 

2.Training objective：

總的目標損失函式（objective loss function）就由 localization loss（loc） 與 confidence loss（conf） 的加權求和：

其中：

• NN 是與 ground truth box 相匹配的 default boxes 個數

• localization loss（loc） 是 Fast R-CNN 中 Smooth L1 Loss，用在 predict box（ll） 與 ground truth box（gg） 引數（即中心座標位置，width、height）中，迴歸 bounding boxes 的中心位置，以及 width、height

• confidence loss（conf） 是 Softmax Loss，輸入為每一類的置信度 cc

• 權重項 αα，設定為 1

3.Choosing scales and aspect ratios for default boxes：

大部分 CNN 網路在越深的層，feature map 的尺寸（size）會越來越小。這樣做不僅僅是為了減少計算與記憶體的需求，還有個好處就是，最後提取的 feature map 就會有某種程度上的平移與尺度不變性。

4.Hard negative mining：

在生成一系列的 predictions 之後，會產生很多個符合 ground truth box 的 predictions boxes，但同時，不符合 ground truth boxes 也很多，而且這個 negative boxes，遠多於 positive boxes。這會造成 negative boxes、positive boxes 之間的不均衡。訓練時難以收斂。

因此，本文采取，先將每一個物體位置上對應 predictions（default boxes）是 negative 的 boxes 進行排序，按照 default boxes 的 confidence 的大小。 選擇最高的幾個，保證最後 negatives、positives 的比例在 1:3。

本文通過實驗發現，這樣的比例可以更快的優化，訓練也更穩定。 

3.Data augmentation：

• 使用原始的影象
• 取樣一個 patch，與物體之間最小的 jaccard overlap 為：，，， 與 
• 隨機的取樣一個 patch

SSD存在的缺點：

1.需要手動設定引數prior box，無法通過訓練得到，依賴經驗。

2.存在著對小目標檢測效果不好的現象。