SSD算法是在YOLO的基礎(chǔ)上改進(jìn)的單階段方法，他給予一個(gè)前向傳播的神經(jīng)網(wǎng)絡(luò)，最主要的優(yōu)點(diǎn)是能在兼顧速度的同時(shí)確保高精度，而且由于采用了END-TO-END的訓(xùn)練方法，及時(shí)處理的分辨率比較低的照片，分類結(jié)果也很準(zhǔn)確。

SSD 網(wǎng)絡(luò)結(jié)構(gòu)分為4個(gè)部分:基礎(chǔ)網(wǎng)絡(luò)+附加特征層+預(yù)測 +非極大值抑制

其中，基礎(chǔ)網(wǎng)絡(luò)是VGG-16的前4層網(wǎng)絡(luò)，主要選取其中的Conv4_3 作為第一個(gè)特征層用于目標(biāo)檢測，并將VGG16中的FC7改成了卷積層Conv7。
附加特征層是在 VGG-16基礎(chǔ)網(wǎng)絡(luò)上添加的特征圖逐漸變小的特征提取層，分別為Conv8_2、Conv9_2、Conv10 2、Conv11 2層。它們和VGG中的Conv4 3、Conv7共同組成了6層的金字塔網(wǎng)絡(luò)。金字塔網(wǎng)絡(luò)是 SSD的設(shè)計(jì)核心，能通過不同尺度的特征圖來預(yù)測目標(biāo)分類與位置，進(jìn)而提高檢測精度。對于每一層特征圖，SSD 網(wǎng)絡(luò)會(huì)對每個(gè)像素點(diǎn)預(yù)測多個(gè)邊界框，(假設(shè)每個(gè)像素點(diǎn)預(yù)測4個(gè)邊界框)，然后使用不同尺寸邊界框的特征進(jìn)行預(yù)測，這樣模擬了類似人眼從遠(yuǎn)到近觀察事物的特點(diǎn)，較大尺寸的特征圖適合于對較大物體的預(yù)測，而較小尺寸的特征圖適合于對較小物體的預(yù)測。

預(yù)測層(detection layer)需要對邊界框中目標(biāo)的類別進(jìn)行預(yù)測，同時(shí)還需要對邊界框的實(shí)際位置進(jìn)行預(yù)測。預(yù)測層分成 cls 分支和 1oc 分支，每個(gè)分支中包含6個(gè)(因?yàn)橛?個(gè)特征層)卷積層 conv，conv 的輸出尺寸和輸人尺寸相同。cls 分支預(yù)測每個(gè)邊界框所有分類的得分;loc 分支預(yù)測4個(gè)對于邊界框的位置偏移量。以SSD300 網(wǎng)絡(luò)為例，最終可以得到8732個(gè)邊界框的預(yù)測結(jié)果。
非極大值抑制(Non-Maximum Suppression，NMS)將根據(jù)設(shè)置的置信度闕值對預(yù)測層輸出的預(yù)測結(jié)果進(jìn)行排序和篩選，刪除不符合要求的邊界框，保留與真實(shí)結(jié)果匹配度較高的預(yù)測結(jié)果。
上面四層完成了 SSD 網(wǎng)絡(luò)的整個(gè)檢測流程。在訓(xùn)練過程中SSD 網(wǎng)絡(luò)使用多框損失函數(shù)(MultiBoxLoss)優(yōu)化網(wǎng)絡(luò)。多框損失函數(shù)包括類別損失和位置損失兩個(gè)部分。
下式中、入是通過NMS 匹配到真實(shí)結(jié)果的邊界框數(shù)量;Leonr(x,c)為類別損失，是典型的softmax損失;L(,g)為位置損失，是采用Smooth L1的回歸損失;a參數(shù)用于調(diào)整類別損失和位置損失之間的比例，默認(rèn) a=1。

L(x,c,l,g)=一(Lonr(x,c)+aLoc(x,l,g))

此外，SSD網(wǎng)絡(luò)的訓(xùn)練過程中還使用了數(shù)據(jù)加強(qiáng)、匹配策略(matching strategy)、難分樣本挖掘(hardnegative mining)等技術(shù)提高準(zhǔn)確率。最終SSD網(wǎng)絡(luò)在性能上取得了展示了SSD網(wǎng)絡(luò)在PASCALVOC2012數(shù)據(jù)集上同其他模型的對比數(shù)據(jù)。