background 任务：使用单一深度神经网络，加速预测速度，保持准确率关键词：The Single Shot Detector (SSD) Introduction 以faster-rcnn为例，虽然准确率很高，但是预测速度很慢，并且训练过程复杂，SSD的提出，主要是基于VGG16，然后对Conv5_3层的feature maps进行卷积运算，生成特征金字塔，
一、简介 目标检测主流算法包括两个方面：（1）two-stage算法：如RCNN等系列算法，先通过启发式方法（selective search）或者CNN网络（RPN)产生一系列稀疏的候选框，然后对这些候选框进行分类与回归，two-stage方法的优势是准确度高；（2）one-stage算法:如Yolo和SSD，其主要思路是均匀地在图片的不同位置进
SSD : Single Shot MultiBox Detector 论文地址：https://arxiv.org/abs/1512.02325 网络结构 与faster rcnn相比，该算法没有生成 proposal 的过程，这就极大提高了检测速度。针对不同大小的目标检测，传统的做法是先将图像转换成不同大小（图像金字塔），然后分别检测，最后将结果综合起
