【深度学习】实时物体检测框架Single-Shot MultiBox Detector(SSD)(1)概述

SSD(Single-Shot MultiBox Detector)是一种深度学习目标检测框架,兼顾高精度和实时性。在PASCAL VOC2007测试集上,SSD(300x300)取得72.1的mAP,同时在nvidia gtx970m上达到近30fps的检测速度。SSD利用多尺度特征映射和卷积预测器进行检测,避免了传统方法的耗时步骤,适用于实时检测需求。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、ssd使用场景及性能分析

目标检测是深度学习图像识别的技术领域,指对单张图片中的物体的类别和位置进行标注。在ssd中,位置信息是通过边界框(bounding-boxes)来描述的。
边界框是一组四个数据,xmin,ymin,xmax,ymax(VOC标准格式)共同描述物体的位置信息。
这里写图片描述

在PASCAL VOC2007 的测试集上,ssd(300x300)取得了72.1的mAP,已经算是非常精准了,更可贵的是它比Fast、Faster R-CNN更快(经测试SSD在nvidia gtx970m上可以取得近30fps的准确度,接近实时,而faster r-cnn不足10fps)
而
因此,SSD模型在准确性和实时性上,都具有非常高的实用价值。





二、ssd原理初探

SSD(300x300)的网络结构如图所示。

这里写图片描述

与 Fast R-CNN、Faster R-CNN 相似,这几种检测网络都用相同预训练模型( ICLR 2015, VGG16),
并在 ILSVRC CLS-LOC 数据集上进行了预训练

所以网络在图上可以分为两部分,前半部分是VGG-16的基础网络(bas

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值