SSD目标检测

创新点

1.基于Faster-R-CNN中的Anchor，提出了相似的先验框（Prior box）

2.从不同比例的特征图（多尺度特征）中产生不同比例的预测，并明确地按长宽比分离预测。

default boxes

SSD在多个特征层上取defau box，可以得到不同尺度地default box。在特征图的每个单元上取不同宽高比的default box，一般宽高比在{1，2，3，1/2，1/3}中选取。

先验框匹配

先验框与ground-truth匹配原则

ground-truth相对于先验框较少，造成负样本（未匹配）远多于正样本；为了使正负样本尽量均衡（一般保证正负样本比例约为1：3），SSD采用hard negative mining，即对负样本按照其预测背景类的置信度进行降序排列，选取置信度较小的top-k作为训练的负样本。

问题

均匀密集采样会造成正负样本不均衡使训练比较困难，导致模型准确度下降。SSD对小目标检测不友好。