2015年，YOLO之后，另外一個直接回歸的方法SSD，以state-of-the-art的檢測效果和檢測效率橫空出世；

SSD，single shot multibox detector

直接看下圖吧，可以看出，YOLO是在卷積層后加了FC，然后預估2*7*7共49個位置98BBox；而SSD顯著的不同就是多尺度：1） 多尺度的feature map上提取特征，通過3*3的卷積核，保證特征的細粒度和豐富性； 2） 多尺度feature map上抽取anchor，每張圖共有7308個BBox，遠大于YOLO的98；

上圖中，Conv4_3上面的Conv： 3*3（4*（classes+4）），前面的3*3是卷積核，后面的4是每個點的有4個anchor，所以這一層共有38*38*4個BBox，把7個卷積層加起來，一共就是7308個BBox；

另外，每個正例BBox學習的并不是絕對位置或者相對grid的位置，而是相對于ground truch的偏移，如下圖：

因此，其loss function包括兩部分，分類的confidence+回歸相對ground truth的位置偏移，如下：

在VOC和COCO上的效果

1. 準確率上：VOC達到最高80%，COCO這個小物體也是最高26.8%；

2. 速度上，500尺寸下，SSD和YOLO基本持平，20幀，但是mAP高10點；

另外，16年的YOLOv2在檢測效果和速度上更高一層，在效果保持state-of-the-art的基礎上，FPS能達到50+，是SSD的2倍+，但是！小物體檢測依然是YOLO的短板，COCO上的依然低于SSD5個百分點，如下：

SSD： Single Shot MultiBox DetectorWei Liu， Dragomir Anguelov， Dumitru Erhan， Christian Szegedy， Scott Reed， Cheng-Yang Fu， Alexander C. Berg