Bounding_box_regression详细解析，非常实用，适用于初学者。

从priorBox到Bbox解析的实现细节： 当背景类的置信度最高时，表示预测的bbox不包含目标，当其他类别置信度最高时就代表bbox所含目标的类别，SSD网络对feature map上的每一个cell的每一个priorBox都要预测两组值，通常bbox的位置信息由中心坐标和长宽表示，但是实际上SSD的预测值只是priorBox到Bbox的转换值（offset/transformation），SSD里面使用的坐标转换策略和Faster-RCNN相同；

这是我自己梳理的FCOS目标检测代码，给大家省点时间去debug。FCOS的head部分：cls分支和bbox分支其实是和retinanet一样的，只不过没有了A这个anchor的数量，以及回归的对象不一样，但是网络的整体结构还是和retinanet一样。 在计算流程上不一样的地方我觉得不一样的点是：retinanet是将每个rpn网络的输出concate起来，而FCOS是每层单独预测，之后将每一层的结果concat起来，可能是因为FCOS在concate的时候不方便，因为网络中多出了一个cen