李沐《动手学深度学习》第 132–134 集摘要
🧱 多尺度锚框 → 🚀 SSD 单发多框检测器 → ❓ SSD QA
第132集 · 09:57
🧱 多尺度锚框
细层找小目标，粗层找大目标
单一尺度只适配某一范围的目标大小
低层特征图分辨率高 → 检测小目标
高层感受野大 → 检测大目标
均匀采样像素 × 尺度/高宽比铺锚框
第133集 · 52:45
🚀 SSD
骨干网 + 多尺度特征图 + 锚框，一次前向完成检测
单阶段：无需候选区域提议
每锚框配「类别头 + 偏移头」
训练：IoU 匹配真实框，标类别与偏移
预测：一次前向 + NMS 去重
第134集 · 27:01
❓ SSD QA
锚框总量、算力开销与训练细节
锚框数 = 单元数 × 每单元锚框数
多尺度叠加 → 计算与显存需权衡
各层通道数与检测头设计取舍
匹配阈值、损失加权等调参经验
🏗️ SSD 架构一览
单阶段检测流水线：输入 → 骨干网 → 特征图金字塔 → 锚框预测 → NMS
输入图像
CNN 骨干
逐层提特征
64²
32²
16²
8²
多尺度特征图：细层找小目标 · 粗层找大目标
每个特征图单元 × 多个锚框 → 类别 + 偏移
类别 + 偏移预测
NMS 去重 → 检测框
📌 一句话记住 SSD：
多尺度特征图 + 每格多锚框 + 单次前向 + NMS
—— 抛弃候选区域提议，用速度换来了单阶段的高效检测。
由
Tabbit
制作 · 李沐《动手学深度学习》课程摘要
Generated with
Tabbit.