SSD的特點：
- 無region proposal過程，在各個feature map上産生固定的default boxes;
- 網絡結構端到端，可進行端到端的訓練；
網絡結構：
- base network: 截斷的VGG16；
- 在其後添加6個extra layers(conv layers)：conv6, conv7, conv8_2, conv9_2, conv10_2, conv11_2；
檢測過程：
- 樣本圖像輸入(input image) ；
- 通過base network，生成特征圖F1；
- 由F1依次通過各extra layers生成6個特征圖Fv6, Fv7, Fv8_2, Fv9_2, Fv10_2, Fv11_2；
- 加上conv4_3生成的特征圖Fv4_3，Fv7, Fv8_2, Fv9_2, Fv10_2, Fv11_2共6個特征圖，用于生成檢測框；
- 各特征圖由相應3*3卷積核(conv11_2特征圖分辨率為1*1，應當使用1*1卷積核)，基于固定預選框生成對應檢測框，卷積核次元為[3, 3, (4/6)*(classes + 4)] (4/6：預選框個數，classes：總類别數，4：{x, y, w, h})；
- 根據參與生成檢測框的各特征圖分辨率，任意類别得到8732個檢測框，經過NMS子產品處理得到最終的檢測結果；
訓練過程：
- 損失函數：
損失函數由分類損失函數(confidence loss)和回歸損失函數(location loss)權重構成；
分類損失函數為Softmax loss，
代表ith預選框與類别為p的jth标定框的比對情況{0, 1}，針對所有樣本計算；
回歸損失函數為
損失函數，僅對正樣本檢測框計算；
- 政策 - 預選框比對标定框：首先比對與任一标定框IoU最高的預選框，其次比對預選框中與标定框IoU高于0.5的，比對到的框均為正樣本；
- Hard negative mining：比對後會得到少量的正樣本預選框和大量的負樣本預選框，進行分類任務訓練時會嚴重偏向負樣本，是以需要控制負樣本數量，通過對樣本的分類損失由高到低排序，按順序選取損失值大的負樣本使neg:pos = 3:1；
- 訓練過程：base network由ImageNet預訓練得到的模型初始化，對于輸入的訓練樣本，通過卷積神經網絡獲得若幹檢測框，通過預選框比對政策與Hard negative mining計算損失函數進行訓練。
預選框尺寸及長寬比設定：
- 預選框設定僅存在于Fv4_3，Fv7, Fv8_2, Fv9_2, Fv10_2, Fv11_2共6張特征圖；
- 特征圖分辨率：由高到低；預選框所覆寫的範圍：由小到大（對于固定的像素點預選框是固定的，但對于不同分辨率的特征圖，預選框映射回原圖的比例是在增大的）；
- 比例計算：
= 0.2，
= 0.9，m = 5(除去Fv4_3，Fv4_3對應比例為0.1)，長寬比設定：{1, 2, 1/2, 3, 1/3}，對于某一特征圖，設其比例為
，則預選框基準邊長
= width *
(width為圖檔寬，如：300*300)，對于長寬比為2的預選框，長為
，寬為
，對于長寬比為1的預選框，邊長同樣有兩種：
,
；
個人了解，如有錯誤歡迎指正。