為改善一階段目標檢測算法檢測精度較差的缺陷，提出一種基于SSD的高效多目標定位檢測算法FSD。該算法主要從兩個方面對一階段目標檢測算法進行改進：設計了一個更高效的密集殘差網絡，即R-DenseNet，通過采用一種更窄的密集網絡結構形式，在保持特征提取容量的同時降低了計算復雜度，從而提高了算法的檢測和收斂性能；改進了損失函數，通過抑制易分樣本在損失函數中的權重，提高算法的魯棒性，改善了目標檢測中樣本失衡的現象。采用Tensorflow深度學習框架部署網絡，并在搭載Nvidia Titan X的Ubuntu上開展實驗，實驗表明FSD在COCO和PASCAL VOC這兩個目標檢測數據集上上都取得了最