【深度学习】计算机视觉（CV）-目标检测-SSD（Single Shot MultiBox Detector）—— 单次检测多框检测器

SSD（Single Shot MultiBox Detector）—— 单次检测多框检测器

1.什么是 SSD？

SSD (Single Shot MultiBox Detector) 是一种用于 目标检测（Object Detection） 的 深度学习模型，由 Wei Liu 等人 在 2016 年提出。
它采用 单阶段（Single Stage） 方法，能够 直接从图像中检测多个对象，并输出类别和边界框，比传统的两阶段方法（如 Faster R-CNN）更快。

2.SSD 的核心特点

• 单阶段检测：相比 Faster R-CNN 需要两步（提取区域 + 识别），SSD 一步 就能完成目标检测。
• 多尺度特征检测：在 不同层级 进行检测，以适应大、小目标。
• 高效的先验框（Default Boxes）：类似 YOLO 的锚框（Anchor Boxes），用于提高检测精度。
• 轻量级计算：比 Faster R-CNN 更快，适用于 实时检测。

3.SSD 的网络结构

SSD 采用 VGG16 或 MobileNet 作为骨干网络（Backbone），然后在 不同尺度的特征图上检测目标。

SSD 结构分为三部分：

• 主干网络（Backbone）：通常是 VGG16 或 MobileNet，用于提取特征。
• 多尺度检测层（Extra Feature Layers）：在不同层进行检测，提高小目标的检测效果。
• 预测层（Prediction Layers）：利用 默认框（Default Boxes） 进行分类和回归。

SSD 典型架构

输入图像（300x300） ➝ VGG16 提取特征 ➝ 额外卷积层 ➝ 多尺度检测 ➝ 输出目标类别和边界框

4.SSD 的核心算法

1)多尺度特征图（Feature Maps）

• SSD 在 不同尺度 进行检测，例如：
  • conv4_3 层（大目标检测）
  • conv7 层（中等目标）
  • conv8_2 ~ conv11_2 层（小目标）
• 这样能 同时检测不同尺寸的物体，提高检测精度。

2)默认框（Default Boxes）

• SSD 采用 多个尺寸和纵横比的默认框 进行检测。
• 例如，一个位置可以有多个比例（1:1、1:2、2:1）和大小的框。
• 通过非极大值抑制（NMS）筛选最优框。

3)损失函数（Loss Function） SSD 采用 多任务损失：