SSD （Single Shot multi-box Detector）算法是在不同层的特征图上，进行多尺度对象的检测，具有速度快和精度高的特点.但是，传统SSD算法的特征金字塔检测方法很难融合不同尺度的特征，并且由于底层的卷积神经网络层具有较弱的语义信息，也不利于小物体的识别，因此本论文提出了以SSD算法的网络结构为基础的一种新颖的目标检测算法RF_SSD，该算法将不同层及不同尺度的特征图以轻量级的方式相融合，下采样层生成新的特征图，通过引入感受野模块，提高网络的特征提取能力，增强特征的表征能力和鲁棒性.和传统SSD算法相比，本文算法在精度上有明显提升，同时充分保证了目标检测的实时性.实验结果表明，在PASCAL VOC测试集上测试，准确率为80.2%，检测速度为44.5 FPS.
