SSD训练过程中的关键点是如何将groundtruth信息和网络预测输出的信息匹配上，一旦信息匹配上就能端到端的训练了（这里可以理解为预测值和GT值为lossfunction的两个输入，需要进行相应值的转换才才能符合lossfunction的输入标准）。匹配策略：在SSD的训练过程中，当预测bbox和任一gtbbox的jaccardoverlap（IOU值）大于0.5时都被当做正样本（由于图像中GT很少，目的是防止负样本过多这个样本过少，学习难度大），其实即使是这样训练过程中由于groundtruth太少，正负样本还是极度不平衡；训练目标（loss函数）：