算量太大，即使高端的硬件，对于实时应用程序来说，速度也过慢。通常，对

于这些方法方法的检测速度是通过 6 来衡量的，即使最快的高效率探测

器6)** 的执行速度也达到了 6。有很多攻击方法通过攻击每个

阶段的检测途径来建立更快的检测器。但是，迄今为止，高速度的检测方法都

是通过牺牲准确率来实现的。

这篇文章提出了基于目标探测的单层网络，这种方法没有对于假定的边界

框进行像素和特征的重新取样，并且拥有同样的准确率。这个结果在高精度探

测的速度有着显著的提高（在  上有 !" 的 6 和 #$%的 &，

与 6)** 的 6 和 $%& 或 7 的 #!6 和 ($#%6 形

成对比）。基本的速度提高来自于消除 /3.8 和 +

/9/8 或 :/&. 阶段来提高运算速度。本文虽然

不是第一篇这样做的文章，但本文做了一些提升性的工作，既保证了速度，也

保证了检测精度。我们的提升包括使用一个小的卷积滤波器来预测目标的类

别；在边界框位置，使用不同的预测器;过滤器<来检测不同的纵横比来抵消；

并将这些过滤器应用于网络后期的多个特征映射，以便在多个尺度上进行检

SSD翻译.docx