1.要做的事情

多目标检测

2. 数据集

COCO和VOC07

3. 网络结构

其中，先经过一个VGG16 提取特征，最后一层的conv层的参数不一样，会得到不同制度的特征。

然后输入到detections部分。

SSD方法基于前馈卷积网络，该网络产生固定大小的边界框集合，并对这些边界框中存在的目标类别实例进行评分，然后进行非极大值抑制步骤来产生最终的检测结果。

3.1一些概念

 feature map cell：feature map 中的每一个小格子，如下图，b图中有64个cell。

default box：在每一个feature map cell都有固定大小的box，如图b，在object猫的位置上有四个box

prior box：在真正训练中实际用到的default box，也就是说，prior box 小于等于default box。不是每一个feature cell的default box都会被选择。

3.2 训练

3.2.1 选择不同大小的scale和ratio

按照不同大小的scale和ratio生成k个default box。

scale：

其中，sk表示的是prior框相对于图片的比例。k为第i层的feature map。smin=0.2，smax为0.9，m为有多少层feature map。

ratio：

则，每一层default box的width：  

                                       height：

当ratio为1，则scale为：

每个default box的中心坐标为：

其中|fk|为第k个feature map的大小，。

这样就知道了default box了。

3.2.2 NMS非极大值抑制算法：

输入：prior boxes；

输出：最优的boxes。

过程：去除冗余的重叠的boxes，对全部的boxes进行迭代-遍历-消除。

           首先，对所有框的类别得分进行排序，选出得分最高的boxes；

           其次，遍历所有的框，如果和当前最高分的框的IoU大于一定的阈值，就将框删除；

           在从未处理的框中继续选一个得分最高的，重复上述过程。

3.2.3 loss 

其中，N为匹配的默认框的数量。

其中，={1,0},表示在类别p下，default box i为GT box j的匹配程度。

cx为default bounding box的中心坐标x，cy为default bounding box的中心坐标y。l为yucedebox的位置参数，g为GT的位置的参数。

smooth L1为： 

其中，  表示的是在类别p 下，default box输出的概率。