DSOD:學習型深度監督對象檢測器（來自scratch）
代碼是基於SSD框架的(https://github.com/weiliu89/caffe/tree/ssd)。
Introduction 介紹
DSOD關注來自scratch的訓練目標檢測器（沒有在ImageNet上的預訓練模型時）的問題。以我們最好的經驗來看，優先的事是從scratch用已有技術水平的性能訓練神經目標檢測器。對這個工作，我們爲此目標提出一系列的設計原則。關鍵發現之一是深度監督結構啓用密集逐層連接，在學成一個好的檢測模型裏，擔任了一個關鍵角色。請詳細參考我們論文。
準備
1、安裝SSD(https://github.com/weiliu89/caffe/tree/ssd)，按照下面的步驟：
(1) 安裝 SSD caffe。
(2) 下載PASCAL VOC 2007和2012數據集。
(3) 創建LMDB文件，確保你能沒有錯誤的運行它。
2、創建example/的子目錄dsod，添加文件DSOD300_pascal.py ，DSOD300_pascal++.py，DSOD300_coco.py，score_DSOD300_pascal.py，DSOD300_detection_demo.py到這個新建的子目錄下。
3、用我們的代替python/caffe/下的model_libs.py文件。
訓練與測試
Train a DSOD model on VOC 07+12:訓練VOC 07+12的DSOD模型
pythonexamples/dsod/DSOD300_pascal.py
Train a DSOD model on VOC 07++12: 訓練VOC 07++12的DSOD模型
pythonexamples/dsod/DSOD300_pascal++.py
Train a DSOD model on COCO trainval: 訓練COCO的DSOD模型
pythonexamples/dsod/DSOD300_coco.py
Evaluate the model: 評價模型
pythonexamples/dsod/score_DSOD300_pascal.py
Run a demo: 運行demo
pythonexamples/dsod/DSOD300_detection_demo.py
你能修改這個文件model_lib.py，爲了設計你自己喜歡的網絡結構。
此步驟，還沒有來得及驗證。
之後在追加遇到的問題。