1. Anchor/PriorBox
Faster RCNN：首先在第一個階段對固定的Anchor進行了位置修正與篩選， 得到感興趣區域后， 在第二個階段再對該區域進行分類與回歸；
SSD: 直接將固定大小寬高的PriorBox作為先驗的感興趣區域， 利用一個階段完成了分類與回歸;PriorBox本質上是在原圖上的一系列矩形框， 如圖5.7所示。 某個特征圖上的一個點根據下采樣率可以得到在原圖的坐標， SSD先驗性地提供了以該坐標為中心的4個或6個不同大小的PriorBox， 然后利用特征圖的特征去預測這4個PriorBox的類別與位置偏移量。
在Faster RCNN中， 所有Anchors對應的特征都來源於同一個特征圖， 而該層特征的感受野相同， 很難處理被檢測物體的尺度變化較大的情況， 多個大小寬高的Anchors能起到的作用也有限。
在深度卷積網絡中， 淺層的特征圖擁有較小的感受野， 深層的特征圖擁有較大的感受野， 因此SSD充分利用了這個特性， 使用了多層特征圖來做物體檢測， 淺層的特征圖檢測小物體， 深層的特征圖檢測大物體.如圖5.8所示 