论文链接： https://arxiv.org/pdf/1512.02325.pdftensorflow来源链接： https://github.com/balancap/SSD-tensor flow
SSD是继YOLO之后另一种备受关注的目标检测结构，沿用了YOLO中直接回归Box和分类概率的方法，同时借鉴Faster R-CNN，大量使用anchor提高识别精度。 通过组合这两种结构，SSD可以维持较高的识别速度，将mAP提高到较高的水平。
一、基本结构和原理作者给出了两种SSD结构，SSD 300和SSD 512，用于不同输入大小的图像识别。 本文以SSD 300为例，可以比较图1的上半部分为SSD 300、下半部分为YOLO。 SSD 300中输入图像的尺寸为300x300，特征提取部使用VGG16的卷积层，将VGG16的两个全部连结层变换为通常的卷积层(图中conv6和conv7 )，然后变换为多个卷积conv8_1、con V8
图1:SSD 300和YOLO结构比较1、SSD同时使用多个卷积层输出进行分类和位置回归：
由图1可知，YOLO仅使用最后一层的7x7数据进行了回归，但SSD对conv4_3、conv7、conv8_2、conv9_2、conv10_2、conv11_2进行了最后的检索固态硬盘有什么好处呢？
要回答这个问题，我们必须先回顾一下YOLO的结构。 YOLO在训练时ground truth和bbox是一对一的关系。 ground truth计算其中心位置所在区域中IOU最大的bbox对应的loss。 如果两个ground truth的大小和位置相似，则很可能对应同一区域的同一区域。为了解决这个问题，SSD的作者对YOLO的结构进行了以下优化：
a、重新启用了Faster R-CNN的anchor结构。 SSD有多个接地真时，每个anchor (原文中称为default box，只是名字不同)选择与IOU对应的最大接地真。 一个ground truth只能对应一个ground truth，但一个ground truth可以对应大量的anchor，所以无论两个ground truth靠得多近，bbox都不会在YOLO上碰撞。
B、同时使用多个水平的anchor进行回归作者认为，仅用同一水平的多个anchor进行回归，还不够。 因为这上面所有的anchor的IOU很可能都很小。 这意味着所有的anchor都离ground truth很远，用这个anchor训练的话误差会很大。 例如，在图2中，左下方的阶层由于feature map的大小较大，anchor覆盖的范围较小，远远小于ground truth的大小，因此在这个阶层中与所有anchor对应的IOU较小； 右边的高水平因为feature map的大小很小，anchor覆盖的范围很广，远远超过了ground truth的大小，所以IOU也同样只有图2中间的anchor有很大的IOU。 通过对多个级别的anchor同时计算IOU
找到与ground truth的尺寸、位置最接近（即IOU最大）的一批anchor，在训练时也就能达到最好的准确度。 图2：不同层级输出的feature map上anchor的IOU差异会比较大2、anchor尺寸的选择：
下面来看下SSD选择anchor的方法。首先每个点都会有一大一小两个正方形的anchor，小方形的边长用min_size来表示，大方形的边长用sqrt(min_size*max_size)来表示(min_size与max_size的值每一层都不同)。同时还有多个长方形的anchor，长方形anchor的数目在不同层级会有差异，他们的长宽可以用下面的公式来表达，ratio的数目就决定了某层上每一个点对应的长方形anchor的数目：
公式1上面的min_size和max_size由公式2计算得到，Smin=0.2，Smax=0.95，m代表全部用于回归的层数，比如在SSD 300中m就是6。第k层的min_size=Sk，第k层的max_size=Sk+1
公式2注：以上是作者论文中给的计算各层anchor尺寸的方法，但在作者源码中给的计算anchor方法有点差异，没有和论文的方法完全对应上。
图3：anchor的尺寸的选择3、loss的计算：
SSD包含三部分的loss：前景分类的loss、背景分类的loss、位置回归的loss。计算公式如下：
公式3 公式4公式3中Lconf (x,c)是前景的分类loss和背景的分类loss的和，Lloc (x,l,g)是所有用于前景分类的anchor的位置坐标的回归loss。
公式里的N表示被选择用作前景分类的anchor的数目，在源码中把IOU>0.5的anchor都用于前景分类，在IOU<0.5的anchor中选择部分用作背景分类。只选择部分的原因是背景anchor的数目一般远远大于前景anchor，如果都选为背景，就会弱化前景loss的值，造成定位不准确。在作者源码中背景分类的anchor数目定为前景分类anchor数的三倍来保持它们的平衡。xpij是第i个anchor对第j个ground truth的分类值，xpij不是1就是0。
Lloc (x,l,g)位置回归仍采用Smooth L1方法， 有不了解的可以去百度下，其中的α是前景loss和背景loss的调节比例，论文中α=1。
整个loss的选取如下图，这只是个示意图，每个点的anchor被定死成了６个来方便演示，实际应用时不同层级是不一样的：
图4：SSD在6个层级上进行回归 二、优缺点 SSD的优点在前面章节已经说了：通过在不同层级选用不同尺寸、不同比例的anchor，能够找到与ground truth匹配最好的anchor来进行训练，从而使整个结构的精确度更高。
SSD的缺点是对小尺寸的目标识别仍比较差，还达不到Faster R-CNN的水准。这主要是因为小尺寸的目标多用较低层级的anchor来训练(因为小尺寸目标在较低层级IOU较大)，较低层级的特征非线性程度不够，无法训练到足够的精确度。
下图是各种目标识别结构在mAP和训练速度上的比较，可以看到SSD在其中的位置：