【深度学习】实时物体检测框架Single-Shot MultiBox Detector（SSD）（1）概述

一、ssd使用场景及性能分析

目标检测是深度学习图像识别的技术领域，指对单张图片中的物体的类别和位置进行标注。在ssd中，位置信息是通过边界框（bounding-boxes）来描述的。
边界框是一组四个数据，xmin，ymin，xmax，ymax（VOC标准格式）共同描述物体的位置信息。

在PASCAL VOC2007 的测试集上，ssd(300x300)取得了72.1的mAP，已经算是非常精准了，更可贵的是它比Fast、Faster R-CNN更快（经测试SSD在nvidia gtx970m上可以取得近30fps的准确度，接近实时，而faster r-cnn不足10fps）

因此，SSD模型在准确性和实时性上，都具有非常高的实用价值。

二、ssd原理初探

SSD（300x300）的网络结构如图所示。

与 Fast R-CNN、Faster R-CNN 相似，这几种检测网络都用相同预训练模型（ ICLR 2015, VGG16），
并在 ILSVRC CLS-LOC 数据集上进行了预训练

所以网络在图上可以分为两部分，前半部分是VGG-16的基础网络（bas