Faster-RCNN 虽然在效果上做到了 State-Of-The-Art，但效率问题无法做到实时，YOLO 在此基础上提出了改进：
一. Region Proposal
Region Proposal 过程的优点是能够初步检测有效的 Candidate，缺点是带来效率的降低（Faster构造了两级网络）。
YOLO去掉了 Faster的 RPN 过程，直接预测物体的种类和位置。
这是一个里程碑似的 Idea！
二. 直接训练
YOLO 将目标的分类与定位进行合并，将对应位置的信息 通过网络，对应到最后面的 7*7的格子上，每个格子对应一个30维的向量，分别代表 分类与定位信息。对应图中 30维向量 = （B*5 + C），B是每个Grid对应Bound Box数量，Paper中值为2，C为分类数，值为20。
YOLO 网络图参考如下：
三. SSD 剖析
SSD全称是：Single Shot MultiBox Detector，作者是 UNC教堂山的 Wei Liu
论文下载地址：http://www.cs.unc.edu/~wliu/papers/ssd.pdf
1. 开山绝技 - 多尺度
这是对YOLO最大的改进，也是本算法的核心。
YOLO基于最后一张 Feature Map（特征图）进行提取和分类，某些细节特征的丢失导致精度下降和小目标遗漏。
与YOLO不同的是，SSD 在多个尺度（Feature Map）上进行了回归，低层的 feature map 蕴含更多的信息，有利于细节保留 及 训练误差回传，提高了精度及小目标的适应能力。
对于上图（b）（c）所对应 不同分辨率的 Feature Map，同样 3*3 的区域 代表了原图（a）上的目标，蓝色与红色框 的对应关系。
通过多尺度，对检测效果由很大的提升，在不使用 conv4_3的情况下，mAP 下降到了 68.1%。
2. 拿来主义 - 宽高比和Anchor
SSD 借鉴了 Faster的锚 ，假定以目标中心作为Location，以该中心以不同宽高比进行 Rect 扩展（1:1 1:2 2:1），再结合三种不同尺度，这样我们就得到了9种不同的Scale（不考虑太特殊的比例）。
不同的Aspect Ratio & Scale 对预测目标进行覆盖，对于每一个feature map来讲，每个Grid Cell对应多个 Predict Boxes，我们假设为K（对应上面K＝9，3种尺度＊3种宽高比），所有中心落在该Grid的目标，都由该Grid进行回归Predict。
So 我们需要预测的结果就是：这K个Box每个对应的 分类（概率，C种）和 相对默认Rect的偏移（Offset，4个）：
Fature Map Grid => (C+4)*K
对于一张 m*n 大小的 Feature Map，能够得到 m*n * (C+4)*K个输出结果（SSD 中默认使用了 6 个 default boxes）。
3. 各司其责 - Ground Truth与训练样本采集
3.1 Ground Truth 映射
这是与YOLO类似的方法，通过将Ground Truth映射到对应的Grid（参考下图），得到与之最接近的一个Default Box（K个选一个）：
我们得到了该目标在对应 Feature Map的Location，以及对应Box的偏移（Offset）。
下图最后一幅即是我们得到的输出结果信息。每一个位代表一个信息（1-20表示20种Class每种类别的Score，Last4 表示当前Rect偏移），是端到端训练的依据。
3.2 加权的目标函数
确定了端到端的对应，我们再来看目标函数。
有个问题要明确：对于 每个 ground truth box，有可能有多个 default box与其相匹配（根据 IOU>0.5 ）。
PS:不熟悉IOU者请自行补充知识。
总的目标损失函数（objective loss function）是由 分类误差（confidence loss）和定位误差（ localization loss）加权求和得到：
有几个点要说明：
1）L(conf)为分类误差，采用多分类Softmax实现；
“c” for Ground Truth Type。
2）L(loc)为回归定位误差（Rect对应的Offset），类似Fast R-CNN 中 Smooth L1 Loss；
“l” for predict & “g” for Ground Truth。
3）权值α作为两个误差的均衡系数，并没有完全解决分类与定位的问题，还是与YOLO一致；
4）N 即是上面提到的与 ground truth相匹配的 default boxes 个数。
3.3 负样本选取
训练过程中副样本的选取是个技术活，针对Ground Truth的预测结果中，有许多Box是与Ground Truth不match的，通常可以选择这些Box作为副样本。
实际上 负样本的数量要远远多于正样本，容易造成样本比例比均衡，导致训练时难以收敛。针对这个问题，通常将每一个物体位置上对应的负样本进行排序，
只保留最前面的一部分，根据经验值，负样本、正样本的配比通常在 3:1。
4. 奇技淫巧 - Data Augmentation（数据增广）
数据增广 是对训练数据进行某些自定义加工，以提高网络对数据的适应能力，特别是在数据不足的时候，可以借此来避免过拟合的问题。
通常的数据增广的做法是对样本 添加噪声、旋转拉伸、光照明暗、色度处理等。
本例中的做法是对每一张训练图像，随机的进行如下几种选择：
a）使用原始的图像；
b）采样一个 patch，与物体之间最小的 jaccard overlap 为：0.1，0.3，0.5，0.7 与 0.9
c）随机采样一个 patch
采样的 patch 占原始图像大小范围［0.1，1］，aspect ratio范围是［0.5，2］。
当 groundtruth box 的 中心（center）在采样的 patch 中时，保留重叠部分。
在这些采样步骤之后，每一个采样的 patch 被 resize 到固定的大小，并且以 0.5 的概率随机的 水平翻转（horizontally flipped）
通过数据增广，本文将 mAP 从 65.4% 提升到了 72.1%，提升了 6.7%。
5. 事实胜于雄辩 - 实验效果
给出性能参考：
下面是根据caffe生成的网络图，可以作为参考，重点看从 conv7_2 到 conv7_2_mbox_loc 和 conv7_2_mbox_conf。
完整的网络图也可以从下面下载：
http://download.csdn.net/detail/linolzhang/9800328
三. 训练自定义数据集
训练时需要准备以下数据：
1）demo中预训练好的VGGnet model， VGG_ILSVRC_16_layers_fc_reduced.caffemodel
在 $CAFFE_ROOT/models/VGGNet 下。
2）建立原始数据集
a）按照 VOC格式， 采用 labelImage 进行标注； 【Github】
b）在 data/VOCdevkit 目录下创建 自己的目录 zz_test，存放上面的标注数据；
注：需要保留 Annotations（标注） 、ImageSets（图像集合） JPEGImages（图片）三个文件夹。
ImageSets下面只需要 Main文件夹，存放后面训练要用到的 trainval.txt 和 test.txt。
c）在 examples 目录下创建 zz_test 目录，存放指向生成的 lmdb 数据的软链接；
d）在 data 目录下创建 自己的目录 zz_test，存放数据转换命令；
将 data/VOC0712 下的 create_list.sh, create_data.sh, labelmap_voc.prototxt 这三个文件copy到 zz_test 目录下，重命名为:
create_list_zz.sh,create_data_zz.sh, labelmap_zz.prototxt
e）对上面三个文件进行修改；
将 create_list_zz.sh 里的 for name in VOC2007 VOC2012 修改为 for name in zz_test,
修改 create_data_zz.sh
dataset_name="zz_test" mapfile="$root_dir/data/$dataset_name/labelmap_zz.prototxt"修改 labelmap_zz.prototxt，假设只检测车和人。
item { name: "none_of_the_above" label: 0 display_name: "background" } item { name: "car" label: 1 display_name: "car" } item { name: "person" label: 2 display_name: "person" }e）执行创建命令；./data/zz_test/create_list_zz.sh # 对应生成3个文件 trainval.txt test.txt 和 test_name_size.txt ./data/zz_test/create_data_zz.sh到对应文件夹下（examples/zz_test）查看文件是否生成。3）训练脚本ssd_pascal.py
在 $CAFFE_ROOT/examples/SSD 下，可以copy一份，重命名为 ssd_pascal_zz.py，有几个地方要修改：
a） train_data和test_data修改成指向自己的数据集LMDB；
train_data = "examples/zz_test/zz_test_trainval_lmdb"
test_data = "examples/zz_test/zz_test_test_lmdb"
b）修改 name_size_file 和 label_map_file 的路径；
name_size_file = "data/zz_test/test_name_size.txt"
label_map_file = "data/zz_test/labelmap_zz.prototxt"c）修改 num_classes(标签数量+1) 和 num_test_image（测试数据个数）；
d）修改 batch_size 为自己的 16，根据自己的GPU性能；
4）执行训练命令python examples/ssd/ssd_pascal_zz.py