发表会议：2016 ECCV
作者：Wei Liu
论文：https://arxiv.org/abs/1512.02325
代码：https://github.com/weiliu89/caffe/tree/ssd
一：模型结构
SSD由VGG-16扩展并添加四个卷积层而成。
图1：网络结构模型图
图2：网络模型详细结构图
二：核心算法
2.1多尺度特征图
作者同时采用低层和高层的不同尺度的feature map做检测。 所谓多尺度采用大小不同的特征图，CNN网络一般前面的特征图比较大，后面会逐渐采用stride=2的卷积或者pool来降低特征图大小。如下图所示：一个比较大的特征图和一个比较小的特征图，它们都用来做检测。这样做的好处是比较大的特征图来用来检测相对较小的目标，而小的特征图负责检测大目标。
图3 ：多尺度特征图
2.2：default box（对特征图切割）
default box 就是每一个格子上，一系列固定大小的 box，即图中虚线所形成的一系列 boxes。
图4：多尺度特征图上产生k个default box
3.3 Default box 生成规则
3.4 prior box
prior box是指实际中选择的default box（每一个feature map cell 中的k个default box选取一部分）。prior box则是实际的选取。训练中一张完整的图片送进网络获得各个feature map，将prior box与ground truth box做匹配，将prior box尽可能回归到ground truth box。
图5：通过Prior box后进行NMS选择final box
3.5 正负样本
在生成一系列的 predictions boxs之后，会产生很多个符合 ground truth box 的 predictions boxes，但不符合 ground truth boxes 也很多，而且 negative boxes远多于 positive boxes，会造 negative boxes、positive boxes 之间的不均衡。训练时难以收敛。 因此作者采取先将每一个物体位置上对应predictions（default boxes）是 negative 的 boxes 进行排序，按照default boxes的confidence 的大小。选择最高的几个，保证最后 negatives、positives 的比例在 3:1。
3.6 损失函数
四：实验结果分析总结
1）SSD采用CNN直接进行检测，然而YOLO在全连接层之后进行检测；
2）SSD提取的不同尺度的feature map来做检测，大尺度的特征图（靠前的特征图）用来检测比较小的物体，而小尺度的特征图用来检测大物体；
3）SSD采用了不同尺度和不同长宽比的先验框（Prior Box ，Default Box，在faster r-cnn中叫做锚，Anchor）; SSD算法是在YOLO的基础上改进的单阶段方法，通过融合多个feature map上的BB，在提高速度的同时提高了检测的精度，性能超过了YOLO和Faster-rcnn。