最初は、その後、分類および回帰の目的は、このようなプロセスの検出精度が一段階よりも良好であるが、速度が一段階ほど速くない、抽出候補領域の二段階法であり、
高速一段階法、精度はやや悪いです、主としてクラス不均衡問題に、陽性および陰性サンプルの割合で、すなわち、深刻な不均衡が
実際にこの論文の両方の組み合わせである、主アンカーは、一方で、モジュールの改良を加えているので、アンカーより高い品質、一方、 2つのステップは、境界より正確なリターンを作るためにバックします。
ネットワークは、アンカーは、リファインメントモジュール（ARM）を相互および検出モジュール（ODM）、転送接続ブロック（TCB）によって連結された2つのモジュールをオブジェクト二つのモデルを含みます。
腕
SSDの（ARM）は、ODMの背後に良い初期化を高めるために、粗調整にオブジェクトを削除せずに候補領域の一部、位置および大きさ、ターゲットの簡略化され、ここでのみ、バイナリ、すなわち、存在または非存在とみなすことができます
ODM
（ODM）候補ボックスが実際ARM多クラス分類および回帰の正確な長方形によって生成されます
TCB
メインタスクTCBは、そのように、考慮コンテキストの特性を取って、デコンボリューション、基礎となる特性および高レベルの統合により、より正確な分類および回帰
