https://www.sohu.com/a/168738025_717210

1.vgg16的模型：https://github.com/davidgengenbach/vgg-caffe/blob/master/model/VGG_ILSVRC_16_layers_deploy.prototxt

pool5之后接了3个全连接层，faster的vgg16模型只使用了pool5之前的层，也就是14层；ssd不一样，ssd用了fc6、fc7，但不是直接使用，而是改成了卷积层(具体是改成什么，不同版本的不一样，去看看liuwei的源代码)

2.有300*300、512*512两种尺寸的ssd

但看到这个代码https://github.com/sfzhang15/RefineDet/tree/master/examples/refinedet 他这只有320，没有300

为什么选择512？

我个人觉得是因为可以被64或者128或者256这些数整除。选300我个人感觉可能是能缩小能满足缩小那么多倍，依然有值。

3.ssd在conv4_3检测小物体，所以检测小物体性能不够好。

4.原论文的ssd的框架结构，新添加的层一直添加到conv11_2，但是https://github.com/sfzhang15/RefineDet/tree/master/examples/refinedet和https://github.com/intel/caffe/blob/master/models/intel_optimized_models/ssd/VGGNet/coco/SSD_300x300/train.prototxt都是只添加到conv9_2，包括源代码中https://github.com/weiliu89/caffe/blob/ssd/examples/ssd/ssd_pascal.py也只添加到了conv9_2

不过后来发现两者好像是一样的，只是改变了名字而已

总的来说就是在1/8、1/16、1/32、1/64、1/128、1/256上做预测

这个pool5和fc6，fc7做了一下改动，相当于只缩小了1次，原论文说change pool5 from 2 × 2 − s2 to 3 × 3 − s1, and use the a trous ` algorithm [18] to fill the ”holes”.

这样整体上还是保证了6个尺度进行预测

5.For conv4 3, conv10 2 and conv11 2, we only associate 4 default boxes at each feature map location – omitting aspect ratios of 1 3 and 3. For all other layers, we put 6 default boxes

6.We set default box with scale 0.1 on conv4_3

7.https://www.cnblogs.com/hansjorn/p/7445411.html  anchor怎么做

8.ssd自带了一个permute层，就是改变数据维度的顺序https://blog.csdn.net/liu1152239/article/details/81478313

9.ssd是先让prior-box和gt匹配，然后确定训练的正负样本，也就是确定具体哪些做正样本、负样本，然后再把这些prior-box对应的score和bounding box的得分全拿出来做loss计算

10.ssd prior-box的设计：

从后面新增的卷积层中提取Conv7，Conv8_2，Conv9_2，Conv10_2，Conv11_2作为检测所用的特征图，加上Conv4_3层，共提取了6个特征图，其大小分别是  ，但是不同特征图设置的先验框数目不同（同一个特征图上每个单元设置的先验框是相同的，这里的数目指的是一个单元的先验框数目）。先验框的设置，包括尺度（或者说大小）和长宽比两个方面。对于先验框的尺度，其遵守一个线性递增规则：随着特征图大小降低，先验框尺度线性增加：其中  指的特征图个数，但却是  ，因为第一层（Conv4_3层）是单独设置的，  表示先验框大小相对于图片的比例，而  和  表示比例的最小值与最大值，paper里面取0.2和0.9。对于第一个特征图，其先验框的尺度比例一般设置为  ，那么尺度为  。对于后面的特征图，先验框尺度按照上面公式线性增加，但是先将尺度比例先扩大100倍，此时增长步长为  ，这样各个特征图的 为  ，将这些比例除以100，然后再乘以图片大小，可以得到各个特征图的尺度为  ，这种计算方式是参考SSD的Caffe源码。综上，可以得到各个特征图的先验框尺度  。对于长宽比，一般选取  ，对于特定的长宽比，按如下公式计算先验框的宽度与高度（后面的  均指的是先验框实际尺度，而不是尺度比例）：

默认情况下，每个特征图会有一个  且尺度为  的先验框，除此之外，还会设置一个尺度为  且  的先验框，这样每个特征图都设置了两个长宽比为1但大小不同的正方形先验框。注意最后一个特征图需要参考一个虚拟  来计算  。因此，每个特征图一共有  个先验框  ，但是在实现时，Conv4_3，Conv10_2和Conv11_2层仅使用4个先验框，它们不使用长宽比为  的先验框。每个单元的先验框的中心点分布在各个单元的中心，即  ，其中  为特征图的大小。

得到了特征图之后，需要对特征图进行卷积得到检测结果，图7给出了一个  大小的特征图的检测过程。其中Priorbox是得到先验框，前面已经介绍了生成规则。检测值包含两个部分：类别置信度和边界框位置，各采用一次  卷积来进行完成。令  为该特征图所采用的先验框数目，那么类别置信度需要的卷积核数量为  ，而边界框位置需要的卷积核数量为 。由于每个先验框都会预测一个边界框，所以SSD300一共可以预测 个边界框，这是一个相当庞大的数字，所以说SSD本质上是密集采样

anchor的个数：4，6，6，6，4，4

11.ssd训练样本的策略：ohem+正负比例1:3。也就是说按loss的大小排序，选loss大的，并且保证正负比例1:3

12.ssd预测的是score和bouding box的offset，yolo1预测则是score和bouding box的4个坐标的直接值。目前个人的理解，ssd=rpn网络从2类变成多类 + multistage预测。ssd的预测在ap0.5时与faster差不多，但是换成ap0.7就差很多，可以把结果输出出来看，faster的性能明显好于ssd。如果从cascade-rcnn的角度看，其实faster相当于多一个回归，进一步走向高精度。

https://zhuanlan.zhihu.com/p/33544892