MobileNet SSD 检测
Object Detection Mobile Net SSD
📌 项目介绍
用 MobileNet SSD 模型做轻量级物体检测：MobileNet 负责特征提取，SSD 负责目标定位，两者组合的模型很小（几十 MB），普通笔记本甚至树莓派都能流畅实时运行。
OpenCV DNN 模块直接支持该模型，识别 COCO 的 80 类物体，是入门深度学习目标检测最友好的方案。
🧰 环境与物料
- 电脑 + 摄像头
- Python 3.7+ 环境
- pip 安装：opencv-python、numpy
- MobileNet SSD 的 .caffemodel 权重 + prototxt + 类别文件
🔧 步骤拆解
1
下载模型
获取 MobileNetSSD_deploy.caffemodel 与 prototxt
模型约 25MB，比 YOLO 小很多
2
加载网络
readNetFromCaffe 加载模型
读入类别标签（人、车、手机等）
3
输入预处理
图像缩放到 300×300，blob 归一化
OpenCV 教程中有固定的缩放参数
4
推理与解析
net.forward 得到检测输出矩阵
每行是一个检测：类别索引、置信度、框坐标（归一化）
5
过滤与绘制
置信度大于阈值才显示
把归一化坐标乘回原图尺寸后绘制
6
对比与落地
与 YOLO 对比：本方案更快更轻但小目标较弱
适合嵌入式/实时监控场景
💡 要点提示
- 300×300 输入对远处小目标不友好，可适当放大输入尺寸
- 树莓派上跑 MobileNet SSD 仍可达可用的实时帧率
- 归一化参数（mean、scale）必须与训练时一致，否则结果异常