SSD的網(wǎng)絡(luò)分為兩部分，前半部分是用于圖像分類的標(biāo)準(zhǔn)網(wǎng)絡(luò)（去掉了分類相關(guān)的層）贤旷，后面的網(wǎng)絡(luò)是用于檢測的多尺度特征映射層，從而達到檢測不同大小的目標(biāo)。SSD在保持YOLO高速的同時效果也提升很多盲憎，主要是借鑒了Faster R-CNN中的Anchor機制，取消了提取proposal的過程胳挎，同時使用了多尺度的feature map饼疙。
SSD vs YOLO
SSD的做法非常直接，既然提取proposal之后仍然要做分類和邊界回歸，那么不如直接認為feature map上的每一個位置都可能是建議區(qū)域窑眯，這樣一來就可以不用提取proposal了屏积。另外，提取proposal時Anchor機制還可以繼續(xù)使用磅甩，只不過defaut box的尺度多樣性體現(xiàn)在不同尺度的feature map上炊林。
SSD
在多尺度的feature map上做檢測可以同時兼顧大目標(biāo)和小目標(biāo)。上圖 (a) 表示帶有兩個Ground Truth邊框的輸入圖片卷要，圖 (b) 和 (c) 分別表示8×8網(wǎng)格和4×4網(wǎng)格渣聚，顯然前者適合檢測小的目標(biāo)，比如圖片中的貓僧叉，后者適合檢測大的目標(biāo)奕枝，比如圖片中的狗。在每個格子上有一系列固定大小的Box瓶堕，這些在SSD稱為Default Box隘道，用來框定目標(biāo)物體的位置，在訓(xùn)練的時候Ground Truth會賦予給某個固定的Box郎笆，比如圖(b)中的藍框和圖(c)中的紅框谭梗。
