SSD300 (Single Shot MultiBox Detector)

模型特点

• 一阶段检测：直接在特征图上预测目标类别和边界框，推理流程简单，适合实时或边缘端部署。
• 多尺度特征预测：SSD300 会在多个不同分辨率的特征层上进行检测，高分辨率特征更适合小目标，低分辨率特征更适合大目标。
• 默认框机制：每个特征图位置预设多个不同尺度和宽高比的 default boxes，也常称为 anchors。模型输出的是这些默认框对应的位置偏移和类别分数。
• 固定输入尺寸：输入张量为 1 x 3 x 300 x 300，对应 batch、通道、高、宽。
• COCO 类别设置：输出类别维度为 81，通常表示 COCO 的 80 个目标类别加 1 个背景类。
• 标准候选框数量：SSD300 共预测 8732 个默认框，这是标准 SSD300 结构的典型配置。

网络结构概览

1. 骨干网络 用于提取图像特征。本仓库提供 ResNet-18、ResNet-34、ResNet-50、ResNet-101 和 ResNet-151 版本。骨干网络越深，特征表达能力通常越强，但模型体积和计算量也会增加。
2. 多尺度检测特征层 SSD 不只在最后一层特征上检测目标，而是在多个尺度的特征图上同时预测。这样可以兼顾小目标、中等目标和大目标。
3. 分类与回归检测头 每个检测位置都会输出两类信息：
   • boxes：默认框的位置回归结果，用于还原最终边界框。
   • scores：每个默认框在各个类别上的置信度分数。

可用模型

输入与输出

• 输入图像需要缩放到 300 x 300。
• 输入通道顺序为 C x H x W。
• scores 为原始类别分数，后处理时通常需要按训练导出方式配合 softmax 或等价逻辑使用。
• boxes 不是直接可视化的最终框，通常需要结合 SSD300 的默认框进行解码。

推荐推理流程

1. 读取原始图像，并记录原图宽高。
2. 将图像 resize 到 300 x 300。
3. 按模型训练时的预处理方式完成通道转换、归一化和 NCHW 排布。
4. 运行 ONNX Runtime 或昇腾 OM 推理。
5. 对 boxes 和 scores 做 SSD 解码。
6. 根据置信度阈值过滤低分结果。
7. 对同类别检测框执行 NMS。
8. 将检测框坐标映射回原图尺寸。

模型格式

• ONNX (.onnx)：通用神经网络交换格式，可用于 ONNX Runtime、TensorRT、OpenVINO 等推理后端，也可作为进一步转换部署格式的中间模型。
• OM (.om)：华为昇腾 NPU 使用的离线模型格式，通常由 ATC 工具基于 ONNX 模型转换得到，适合在 Ascend 310、Ascend 910 等设备上部署。

适用场景

• 通用物体检测
• 边缘设备实时检测
• 视频流逐帧检测
• 对延迟敏感的检测任务
• 需要 ONNX 或 Ascend OM 格式快速部署的项目