SSD算法详解

最新推荐文章于 2025-07-13 13:27:33 发布

yangyi_hust

最新推荐文章于 2025-07-13 13:27:33 发布

阅读量5.2k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：目标检测算法文章标签： SSD 目标检测 single shot detection

本文链接：https://blog.youkuaiyun.com/woduitaodong2698/article/details/85239475

SSD（Single Shot MultiBox Detector）是一种高效的目标检测算法，摒弃了传统的两阶段检测方法，通过单个神经网络完成检测。相比Faster R-CNN和YOLO，SSD在保持高速检测的同时，提高了准确性。关键改进在于使用不同尺度的特征映射进行预测，以及多比例默认边框的设计，使得模型能够适应多种尺寸的目标。在VOC2007数据集上，SSD在300×300和512×512的输入尺寸下分别达到74.3%和76.9%的mAP，展现出优秀的检测性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SSD算法详解

论文背景

论文全称：Single Shot MultiBox Detector
论文链接：https://arxiv.org/abs/1512.02325
论文日期：2016.12.29

算法简介

本文既保证了检测速度的提高，同时保证了检测准确度的提高。
本文是在faster RCNN与YOLO之后提出来的，与原先的目标检测算法不同，未采用两阶段的神经网络，而是将整个检测过程封装为单个神经网络。这是提高检测速度的关键。

消除了候选区域提取的过程，直接将整张图片输入；
同时去除了随后的对于像素点或者特征进行重采样的阶段。

结果：
SSD使用300×300的图片作为输入，在VOC2007上达到了检测速度为59FPS，检测准确率为74.3%mAP；
SSD使用512×512的图片作为输入，在VOC2007数据集上检测准确率为76.9%mAP。
Faster RCNN在VOC2007上达到了检测速度为7FPS，检测准确率为73.2%mAP。
YOLO在VOC2007上达到了检测速度为45FPS，检测准确率为63.4%mAP；

改进：