1 SSD基礎原理
1.1 SSD網絡結構
SSD使用VGG-16-Atrous作為基礎網絡，其中黃色部分為在VGG-16基礎網絡上填加的特征提取層。SSD與yolo不同之處是除了在最終特征圖上做目標檢測之外，還在之前選取的5個特特征圖上進行預測。
SSD圖1為SSD網絡進行一次預測的示意圖，可以看出，檢測過程不僅在填加特征圖(conv8_2, conv9_2, conv_10_2, pool_11)上進行，為了保證網絡對小目標有很好檢測效果，檢測過程也在基礎網絡特征圖(conv4_3, conv_7)上進行。
1.2 SSD網絡的損失函數
注意：圖中fc6, fc7名為fc，其實是卷積層。
SSD圖2為整個SSD訓練網絡的結構，由於圖像所含層數太多，網絡中不能看到每層細節，我重畫其中部分層為綠色，作為代表。可以看出，GT標簽在分特征圖上生成priorbox，即再將所有priobox組合為mbox_priorbox作為所有默認框的真實值。再看預測過程，會在所選取的特征圖進行兩個 3x3卷積，其中一個輸出每個默認框的位置(x, y, w, h)四個值，另一個卷積層輸出每個默認框檢測到不同類別物體的概率，輸出個數為預測類別個數。再將所有的默認框位置整合為mbox_loc，將所有默認框預測類別的向量組合為mbox_conf。mbox_loc、mbox_conf為所有預測默認框，將它與所有默認框的真實值mbox_priorbox進行計算損失，得到mbox_loss。
圖中data下方每個priorbox都對應了min_size與max_size，表示不同特征圖上的默認框在原圖上的最小與最大感受野。關於不同特征圖上的min_size與max_size，論文中給出的計算公式，可惜與實現的prototxt中的參數並不對應。
SSD的損失函數如圖3所示，由每個默認框的定位損失與分類損失構成。
1.3 SSD網絡訓練技巧
1.3.1 數據增強
SSD訓練過程中使用的數據增強對網絡性能影響很大，大約有6.7%的mAP提升。
(1) 隨機剪裁：采樣一個片段，使剪裁部分與目標重疊分別為0.1, 0.3, 0.5, 0.7, 0.9，剪裁完resize到固定尺寸。
(2) 以0.5的概率隨機水平翻轉。
1.3.2 是否在基礎網絡部分的conv4_3進行檢測
基礎網絡部分特征圖分辨率高，原圖中信息更完整，感受野較小，可以用來檢測圖像中的小目標，這也是SSD相對於YOLO檢測小目標的優勢所在。增加對基礎網絡conv4_3的特征圖的檢測可以使mAP提升4%。
1.3.3 使用瘦高與寬扁默認框
數據集中目標的開關往往各式各樣，因此挑選合適形狀的默認框能夠提高檢測效果。作者實驗得出使用瘦高與寬扁默認框相對於只使用正方形默認框有2.9%mAP提升。
1.3.4 使用atrous卷積
通常卷積過程中為了使特征圖尺寸特征圖尺寸保持不變，通過會在邊緣打padding，但人為加入的padding值會引入噪聲，因此，使用atrous卷積能夠在保持感受野不變的條件下，減少padding噪聲，關於atrous參考。本文SSD訓練過程中並且沒有使用atrous卷積，但預訓練過程使用的模型為VGG-16-atrous，意味着作者給的預訓練模型是使用atrous卷積訓練出來的。使用atrous版本VGG-16作為預訓模型比較普通VGG-16要提高0.7%mAP。
1.4 實驗結論
作者發現SSD對小目標檢測效果不好(但也比YOLO要好，因此多特征圖檢測)，這是因為小物體在高層特征圖上保留很少的信息，通過增加輸入圖像的尺寸能夠解決對小物體檢測效果。
