此SSD非彼SSD，不过都有一个特点快，我之前读过了这篇，这次算是重温，而且前面介绍了很多检测网络，尤其是FPN时更是对SSD有一个很根本的解读，所以这篇博客算是一个SSD精华介绍，哈哈。 贡献和特点 SSD最大的贡献，就是在多个feature map上进行预测，这点我在上一篇FPN也说过它的好处，可以适应更多的scale。第二个是用小的卷积进行分类回归，区别于YOLO及其faster

推荐两篇非常非常非常好的两篇文章： 1、如何把自己的数据制作为VOC格式的xml标签 http://www.itkeyword.com/doc/4119351835022951846/rcnn-pascal-voc 2、如何用VOC格式的数据训练SSD模型 http://blog.csdn.net/10km/article/details/70168526 可能会踩到的坑：OpenCV Erro

SSD: Single Shot MultiBox Detector原文链接 SSD: Single Shot MultiBox Detector（2015）阅读笔记 一、解决问题二、解决方法（一）整体过程（二）多尺度特征映射（辅助结构产生）（三）默认框（四）训练1.训练样本2.损失函数 三、效果参考 一、解决问题 基于RP的两阶段模型所需的计算资源较大并且检测速度太慢。虽然有

前言：博主目前的研究课题为“可见光遥感图像目标检测”，研究兴趣是大尺寸高分辨率遥感图像上多尺度目标及小物体检测。为了整理阅读过的文献，梳理研究思路，记录自己的理解感悟，遂开启一个“物体检测系列博客”。     R-CNN系列综述及阅读笔记主要梳理R-CNN的思想及研究进展，细分为概述性文章和论文阅读笔记。 转载请注明文章出处:    SSD: Single Shot MultiBox

感想 这篇文章应该说是SSD的续作，它把SSD后面的几层做了调整，加入了Google的Inception的结构，为了防止梯度消失和过拟合问题，引入了残差的结构，主要在检测小目标方面取得了不错的效果，如果有开源的代码实现就好了，如果有哥们儿实现了这个版本，可以私聊，让我和大家学习一下。 1 介绍 目标检测已经研究了许多年了。自从2014年提出了R-CNN，R-CNN是基于卷积神经网络的，目