SSD算法详解：从结构到训练，一文读懂单阶段目标检测
SSD（Single Shot MultiBox Detector）算法是在YOLO基础上改进的 单阶段目标检测方法。它基于一个前向传播的卷积神经网络，最大的优势在于 在保持高检测速度的同时，实现了极高的检测精度。得益于端到端（END-TO-END）的训练方式，即使输入图片分辨率较低，分类与定位结果依然非常精准。
下面我们从四个核心部分，逐步解析SSD的完整网络结构和工作流程。
一、SSD网络结构的四大组成部分
SSD网络结构由以下四个模块构成：
- 基础网络（Base Network）
- 附加特征层（Extra Feature Layers）
- 预测层（Detection Layer）
- 非极大值抑制（Non-Maximum Suppression, NMS）
二、逐层拆解：每一部分的具体作用
1. 基础网络 —— VGG-16的前四层 + 改装卷积层
SSD选取 VGG-16的前4层网络 作为基础特征提取器。其中，Conv4_3 被选为第一个用于目标检测的特征层。同时，将VGG-16原本的全连接层 FC7 改造为卷积层 Conv7，以便更好地适配后续特征图的处理。
2. 附加特征层 —— 金字塔网络的设计核心
在VGG-16基础网络之后，SSD继续添加了多个特征图尺寸逐渐缩小的特征提取层，分别是：Conv8_2、Conv9_2、Conv10_2、Conv11_2。这些附加层与VGG中的 Conv4_3、Conv7 共同构成了 6层的金字塔网络。
金字塔网络是SSD的设计核心。它通过不同尺度的特征图来预测目标的类别与位置，从而显著提升检测精度。对于每一层特征图，SSD网络会对每个像素点预测多个边界框（例如每个像素点预测4个）。然后利用不同尺寸的边界框特征进行预测，这模拟了人眼从远到近观察事物的特点：较大尺寸的特征图适合检测大物体，较小尺寸的特征图适合检测小物体。
