SSD網絡是一種單階段的目標檢測方法，目標檢測方法旨在給定的圖片中找出目標物體的坐標位置和所屬類別。我們在這里來梳理一下訓練的大致流程謹供參考，我參考的算法實現為：https://github.com/amdegroot/ssd.pytorch
1.特征提取
SSD網絡的輸入一般是 300x300x3的原始圖片矩陣、n個坐標標簽和n個分類標簽，其中n代表每幅圖中目標物體的個數。其特征提取網絡直接由卷積網絡得到最終的預測值，共使用了6種不同尺寸的特征圖：38x38、19x19、10x10、5x5、3x3、1x1，最終得到8732個預測框，具體網絡結構如下圖所示：
2.訓練流程
SSD網絡在特征提取會后會直接得到 8732x4的坐標調整值預測和 8732x21的置信度預測及具體分類預測，其訓練流程如下：
1.計算anchor與gt_bbox之間的IOU值，根據正負樣本閾值選擇正負樣本，並計算得到樣本標簽
2.根據樣本的預測值和標簽值計算坐標損失、置信度損失和分類損失，其中坐標損失只用正樣本的計算