論文的第4章，翻譯理解如下。
4.實踐
我們在普遍使用的PASCALVOC 2007, 2012和MSCOCO數據集（各自有20多萬個對象類別）上實施了試驗。對象檢測性能是用mAP（平均精度均值）衡量的。
4.1.基於PASCALVOC2007的消融研究
首先我們調查DSOD框架的每個組件和設計原則。結論主要總結在Table2和Table3裏了。我們爲了這個消融研究在PASCALVOC2007（帶有DSOD300的）上設計了若干個受控的試驗。一個一致的設置被推行到所有試驗上，直到一些組件或結構被審查。我們用來自VOC2007和2012的組合訓練集來訓練模型，在VOC2007測試集上測試。
4.1.1緻密塊的配置
首先我們調查在主幹子網裏的緻密塊的不同配置的影響
遷移層的壓縮因子。我們比較在DenseNets的遷移層裏的2個壓縮因子(=0.5, 1)。結果顯示在Table3(rows 2 and3)裏。壓縮因子爲1意味着在遷移層沒有特徵地圖的減少，而當是0.5時意味着特徵地圖的一半被減少了。結果顯示1產生了比0.5時高2.9%的mAP。
#在瓶頸層的通道。顯示在Table3(rows 3 and 4)裏，我們觀察到寬闊的瓶頸層提升了很大(4.1%mAP)性能。
#在第一個卷積層的通道。我們觀察到在第一個卷積層裏的大數量的通道是有利的，帶來了1.1%mAP的提升(Table3 rows 4 and 5)。
增長率。大的增長率k被發現是非常好的。我們觀察到表3裏的4.8%mAP的提升(rows5 and 6)，是在4k瓶頸通道的情況下，當k從16增長到48的時候。
4.1.2設計原則的有效性
現在我們儘早詳細的證明關鍵設計原則的有效性。
無需目標框架。我們試着用基於目標的框架如FasterR-CNN/ R-FCN來訓練目標檢測。然而訓練過程未能收斂在所有我們嘗試的網絡結構上(VGGNet,ResNet, DenseNet)。進一步我們嘗試了用無目標框架SSD來訓練目標檢測。這個訓練成功收斂了，但給出了非常糟的結果(69.6%for VGG)，與來自預訓練模型(75.8%)的好調整的情況相比較的話，顯示在Table4。這個試驗證實了選擇無目標框架的設計原則。
深度監督。我們試着深度監督來訓練目標檢測。我們的DSOD300獲得了77.7%的mAP，比用VGG16(69.6%)訓練（不帶深度監督的）的SSD300S好很多。也比用SSD300(75.8%)微調的結果要好。
過渡共享池化層。我們比較無設計層（僅3個緻密塊）的情況與有設計層（在我們的設計裏是4個緻密塊）的情況。有過渡共享池化層的網絡結構帶來了1.7%的性能提升，這證實了這層的效果。
StemBlock. 在Table3 (rows 6 and 9)裏看到了，stemblock提高了性能從74.5%到77.3%。這證實了我們的推測，即用stemblock能保護原始輸入圖像免受信息損失。
緻密預測結構。我們分析來自3個方面的緻密預測結構：速度，準確性，特徵(參數)。顯示在Table4裏，有致密前端結構的DSOD在TitanX GPU上運行比一般結構(17.4fps vs. 20.6 fps) 稍微地下降，由於來自額外的降採樣block的開銷。然而，緻密結構把mAP從77.3%提升到77.7%，且把參數數量從18.2M降低到14.8M。我們也試着用目標的緻密預測層代替SSD的預測層。在VOC2007測試集上的準確率從75.8%(一般SSD)被提升到76.1%(用了預訓練模型)，從69.6%到70.4%(共享訓練模型)，當用VGG-16 模型作爲backbone。這個驗證了緻密預測層的有效性。
如果在ImageNet上預訓練怎麼樣？有興趣的是看看用ImageNet預訓練的backbone網絡的DSOD的性能。我們訓練了一個在ImageNet上的輕量的backbone網絡DS/64-12-16-1，其包含了在驗證集(比VGG-16稍差些)上的66.8%（top-1）準確率和87.8%（top-5）準確率。在微調之後在“07+12”訓練集上的整個檢測框架，我們在VOC2007 測試集上實現了 70.3%mAP。對應的training-from-scratch方案獲得了70.7%的準確率，其有輕微的變好。將來的工作將更徹底的研究這點。
4.1.3運行時分析
推論的速度顯示在Table4的第6列。對300300的輸入，我們的全DSOD在單獨的TitanX GPU 上用一般的預測結構可以在48.6ms(20.6fps)內處理一個圖片，用緻密預測結構則是用了57.5ms(17.4 fps)。作爲比較， R-FCN在ResNet-50 上以90ms(11 fps)運行， 在ResNet-101上以110ms(9 fps)運行。 SSD300在ResNet-101上以82.6ms(12.1 fps) 運行，在 VGGNet上以21.7ms(46 fps) 運行。另外，我們的模型僅用了比帶VGGNet的SSD300網絡的1/2的參數數量，比帶ResNet-101的SSD300網絡的1/4的參數數量，比帶VGGNet 的Faster R-CNN網絡的1/10的參數數量。一個輕量版的DSOD(10.4M參數,w/o any speed optimization) 能以25.8fps運行，僅 1%mAP損失。
4.2.在 PASCALVOC2007上的結果
模型是基於VOC2007 訓練集和VOC2012 訓練集(“07+12”)來被訓練的。我們使用了128爲批大小。注意這個批大小是GPU內存的容量以外的(一個8個GPU服務器,每個都有12GB內存)。我們用了一個小技倆，通過積累梯度超過2個訓練迭代來克服了GPU內存限制，已經在Caffe平臺上實現了。初始學習率設置成0.1，然後在每20k迭代後被除以10。當到達100K迭代時訓練完成了。如下，我們用一個0.0005的權重衰減， 0.9的動量。所有卷積層用“xavier”方法初始化。Table 4展示了我們在VOC2007測試集上的結果。 SSD300是被更新的SSD結果，用了新的數據增強技巧。我們的用一般連接的DSOD300獲得了77.3%，比SSD300(77.2%)的稍好一些，用緻密預測結構的DSOD300提升到了77.7%。之後加了COCO作爲訓練數據，性能也提升到81.7%。
4.3.在 PASCALVOC2012上的結果
對 VOC2012數據集，我們用了 VOC2012訓練集， VOC2007訓練集及測試集來訓練，在 VOC2012測試集上來測試。初始化學習率爲首次30K的迭代被設置成0.1，之後每20K迭代就被除以10。總迭代數量是110K。其他設置是與VOC2007 上實踐的一樣。 DSOD300上的結果顯示在Table 4。DSOD300獲得了76.3%的mAP，總比SSD300(75.8%)好很多。
4.4.在 MSCOCO 上的結果
最後我們在MSCOCO 數據集上驗證 DSOD。MSCOCO包含了用來訓練的80K圖片，驗證用的40K，測試用的20K。如下，我們用訓練集(訓練集+驗證集)來訓練。批大小是被設置成128。初始化學習率爲首次80K的迭代被設置成0.1，之後每60K迭代就被除以10。總迭代數量是320K。
結果總結在Table6裏。我們DSOD300在測試集上實現了29.3%/47.3%，比帶有大的邊緣的基準SSD300作的更好。我們的結果與單尺度的R-FCN是可比較的，接近於用ResNet-101作爲預訓練模型的R-FCNmulti-sc。有趣的是，我們觀察到我們的用0.5IoU 的結果比R-FCN低，但我們[0.5:0.95]的結果是好一些或持平。這表明我們的預測定位在大的重疊設置之下是比R-FCN更準確。這是合理的，我們的小對象檢測的準確性比R-FCN是稍微低的，因爲我們輸入圖像size(300300)比R-FCN的(6001000)小很多。即使有這個劣勢，我們的大對象檢測準確率仍然比R-FCN好很多。這進一步論證了我們的方法的有效性。