SSD（Single Shot MultiBox Detector）
特点：多尺度特征图用于检测；采用了先验框，,SDD backbone采用VGG-16
SSD和YOLO一样都是采用一个CNN网络进行检测，但是采用了多尺度的特征图，如下图所示：
采用多尺度特征图用于检测
采用步长stride=2的卷积或者pool来降低特征图的大小，比较大的特征图用来检测小目标，比较小的特征图用来检测大目标
采用卷积进行检测
YOLO最后采用全连接，而SSD直接采用卷积对不同的特征图进行提取特征。对于形状为m×n×p特征图，只需要采用3×3×p这样比较小的卷积核得到检测值。
设置先验框
YOLO中每个单元预测多个边界框，但是都是相对于这个单元本身的，YOLO需要在训练过程中自适应目标的形状。SSD借鉴了Faster-RCNN的anchor理念，每个单元设置尺度或者长宽比不同的先验框，文中每个单元设置了4个先验框
SSD的检测值与YOLO也不一样
对每一个单元，SSD都输出一套独立的检测值，对应一个边界框。检测值主要分为两部分：
- 第一部分是各个类别的置信度或者评分（注意：SSD将背景也当做一个特殊的类别，所有检测类别是C+1，第一个类别是是否有背景，这个置信度最高时就表示不含有目标）
- 第二部分是边界框的location，包含（cx,cy,w,h）,真实预测值只是边界框相对于先验框的转换值。先验框位置用d=(dcx,dcy,dw,dh)表示，对应的边界框用b=(bcx,bcy,bw,bh)表示，那么边界框的预测值L其实是b相对于d的转换值：（边界框的编码过程）
预测时框的反向这个过程，就是进行边界解码
所以对于一个m*n大小的特征图，每个单元设置K个先验框，每个单元就需要（C+4）*k个预测值，一共需要（c+4）*k*m*n个预测值，所以就需要（k+4）*k个卷积核完成这个特征图的检测过程
网络结构
图片来源：https://blog.csdn.net/xiaohu2022
1.模型的输入是300*300,SDD backbone采用VGG-16，在其基础上增加新的卷积层获得更多的特征图用于检测
- 将VGG16的全连接层fc6和fc7转换成3*3的卷积层conv6和1*1卷积层conv7
- 将池化层pool5由原来的2*2-s2变成3*3-s1
- Conv6采用扩展卷积或带孔卷积（dilation conv）, 卷积核大小是3*3，dilation rate=6
- 移除dropout和fc8
