SSD，全称Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一种目标检测算法，截至目前是主要的检测框架之一，相比Faster R-CNN有明显的速度优势，相比YOLO又有明显的mAP优势（不过已经被CVPR 2017的YOLO9000超越）。在VOC2007数据集上，SSD的结果为59FPS，mAP为74.3%；Faster R-CNN为7FPS，mAP为73.2%；YOLO为45FPS，mAP为63.4。
一）SSD网络结构
下图是原论文中，SSD-300网络结构和YOLO的对比，VGG网络在之前有所介绍。
从图中可以看到，YOLO模型在卷积层后接两个全连接层，然后直接用于检测，相当于最终只利用了最高层（后）的特征图 ；而SSD采用了特征金字塔结构进行检测，即检测时利用了图中的conv4-3，conv-7(FC7)，conv6-2，conv8-2，conv9_2，conv11_2共6个层次不同的feature maps，在多个feature maps上同时进行softmax分类和位置回归。不同层级的特征图，往往体现目标特征的尺度大小、抽象程度也不同，因此SSD相比之前的网络模型，效果有进一步地提升。作者在论文中也表述了使用多层次特征图的差异：当使用6个特征图时mAP为74.3%，仅使用conv7，或使用conv4_3+conv7时，mAP均低于65%。
二）Default boxes and aspect ratios
default box和anchor相似。
https://blog.csdn.net/a8039974/article/details/77592395
https://blog.csdn.net/qianqing13579/article/details/82106664