1、SSD網絡結構
Caffe代碼 .prototxt中 ：
SSD的結構爲conv1_1，conv1_2，conv2_1，conv2_2，conv3_1，conv3_2，conv3_3，conv4_1，conv4_2，conv4_3，conv5_1，conv5_2，conv5_3（512），（注意這是：textbox++ 中 13 are inherited from VGG-16.）
fc6：3×3×1024的卷積（原來VGG16中的fc6是全連接層，這裏變成卷積層，下面的fc7層同理），fc7：1×1×1024的卷積，conv6_1，conv6_2（對應上圖的conv8_2），conv7_1,conv7_2,conv8_1,conv8_2,conv9_1，conv9_2，loss。
(注意：由於 fc6、fc7的原因 ，conv6_1到conv9_2 對應到上圖的conv8_1 到conv11_2)
然後針對.prototxt中的 conv4_3（4），fc7（6），conv6_2（6 ），conv7_2（6），conv8_2（4），conv9_2（4）的每一個再分別採用兩個3*3大小的卷積核進行卷積，這兩個卷積核是並列的。
注意這也是：textbox++ 中6層 textbox layers.
2、textboxes 中 網絡結構
這是一個28層的全卷積網絡。額外的9個卷積層添加在VGG-16層之後（不是 1 中conv6_1到con9_1 共8個卷積層嗎？），Text-box層連接着6個卷積層（同1中）。在每一個特徵位置，一個text-box預測72維向量，這是文本出現的得分（text presencescores）（2維）和12個default box的偏移（4個offsets）。一個非最大抑制（NMS）用來聚合所有文本盒子（text-boxlayers）層的輸出
2.1、關於12個default box
ssd的defaultbox
感謝：