SSD for object detection in matlab. SSD网络用于目标检测（Matlab版）。
1 Introduction（简介）
This project provide a forward propagate demo of SSD(Singgle Shot Detector) network in matlab. SSD is a CNN(convolutional neraul network) architecture for object detection. We download the pretriand caffemodel VGG_VOC0712_SSD_300x300_iter_240000.caffemodel, and then convert it to .mat file for object detection. The codes of layers in SSD is written by author. No deep learning freamwork is needed.
该程序可用于SSD的Matlab目标检测。SSD是一种用于目标检测的CNN架构。我们将训练好的caffemodel（VGG_VOC0712_SSD_300x300_iter_240000.caffemodel）转成.mat文件用于目标检测。SSD中各层的函数有作者编写，不需要额外的深度学习开源框架。
2 How to Run This Demo（程序运行）
(1) Open SSD_Emulation_Script.m. 打开SSD_Emulation_Script.m文件。 (2) unzip ssd_weights_mat.zip to ssd_weights_mat folder. 解压ssd_weights_mat.zip到ssd_weights_mat。 (3) Change the directory of image file on your computer (line 24: Img_Path = 'pedestrian2.jpg';). 更改图像路径。（第24行：Img_Path = 'pedestrian2.jpg';）
3 Basic layers in CNN
(1) conv Input(输入)： in_array -----> Input feature map.(dim = 3, height, width, channels) 输入特征图，维度为3（高、宽、深或原始图像的通道数）。 kernels -----> Convolution kernel.(dim = 4, height, width, channels, kernel number) 卷积核，维度为4（高、宽、深、卷积核个数）。 stride -----> Stride. 卷积核移动步长。 padding -----> Padding. 填充像素数。 dilation -----> Dialation. 卷积核膨胀距离。 output(输出)： out_array -----> Output feature map.(dim = 3, height, width, channels) 输出特征图，维度为3（高、宽、深）。
(2) relu Input(输入)： in_array -----> Input feature map.(dim = 3, height, width, channels) 输入特征图，维度为3（长、宽、深）。 Output(输出)： out_array -----> Output feature map.(dim = 3, height, width, channels) 输出特征图，维度为3（长、宽、深）。
(3) pooling Input(输入)： in_array -----> Input feature map.(dim = 3, height, width, channels) 输入特征图（dim = 3）。 window_size -----> Size of window. 池化窗口大小。 stride -----> Stride. 步长。 padding -----> Padding. 填充像素数。 Output(输出)： out_array -----> Output feature map.(dim = 3, height, width, channels) 输出特征图（dim = 3）。
(4) prior box generation Input(输入)： scale -----> Scale for detection used feature maps. 特征图对应尺度。 aspect_ratio -----> Aspect ratio for detection used feature maps.特征图Box对应长宽比。 feature_size -----> Size for detection used feature maps.特征图大小。 Output(输出)： priorbox -----> Prior box. 输出Prior Box。
Detail information can be found in pdf. (only chinese version)