SSD300 (Single Shot MultiBox Detector)

本仓库提供标准 SSD300 目标检测模型的 ONNX 与昇腾离线模型文件。SSD300 是经典的一阶段目标检测网络，全称为 Single Shot MultiBox Detector：模型在一次前向推理中同时完成候选框位置回归和类别置信度预测，不需要像两阶段检测器那样先生成 region proposals。

这里的“300”表示模型固定使用 300 x 300 的输入分辨率。仓库中的模型采用标准 SSD300 的检测头、默认框数量和输出形式，并提供不同 ResNet 骨干网络版本，便于在速度、模型大小和检测精度之间做取舍。

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

SSD300 由三部分组成：

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。

推理后通常还需要进行解码、置信度筛选和 NMS（Non-Maximum Suppression，非极大值抑制），得到最终检测框、类别和分数。

可用模型

骨干网络	ONNX 文件	OM 文件	ONNX 大小	OM 大小
ResNet-18	ssd300_resnet18.onnx	ssd300_resnet18.om	53.60 MB	27.95 MB
ResNet-34	ssd300_resnet34.onnx	ssd300_resnet34.om	76.21 MB	39.43 MB
ResNet-50	ssd300_resnet50.onnx	ssd300_resnet50.om	87.32 MB	45.28 MB
ResNet-101	ssd300_resnet101.onnx	ssd300_resnet101.om	159.71 MB	81.97 MB
ResNet-151	ssd300_resnet151.onnx	ssd300_resnet151.om	219.34 MB	112.29 MB

输入与输出

所有 ONNX 模型的接口一致：

名称	类型	形状	说明
input	float32	1 x 3 x 300 x 300	输入图像张量，NCHW 格式
boxes	float32	1 x 4 x 8732	每个默认框对应的边界框回归输出
scores	float32	1 x 81 x 8732	每个默认框对应的类别分数输出

说明：

• 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

SSD300 结构轻量、推理链路短，适合以下场景：

• 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

如果优先考虑速度，可以选择 ResNet-18 或 ResNet-34 版本；如果更关注特征表达能力，可以选择 ResNet-50、ResNet-101 或 ResNet-151 版本。