COCO-SSD 是基于 TensorFlow.js 的预训练目标检测模型，使用 COCO 数据集（Common Objects in Context）训练，能识别 80 种日常物体。SSD（Single Shot MultiBox Detector）是一种单次检测架构，速度快、适合浏览器端实时推理。模型权重约 10-20MB，首次加载需下载。

涵盖人、交通工具（汽车、自行车、飞机等）、动物（猫、狗、鸟、马等）、家居物品（椅子、桌子、杯子、瓶子等）、电子产品（笔记本电脑、手机、键盘等）、食物（苹果、披萨、蛋糕等）共 80 类。完整列表见 COCO 数据集官方文档。

首次使用时需从 CDN 下载模型权重文件（约 10-20MB），速度取决于网络状况。加载完成后浏览器会缓存，后续使用将显著加快。如遇加载失败，请检查网络连接或尝试刷新页面。

确保物体清晰可见、光照充足、背景不过于杂乱；调整置信度阈值（建议 40%-60%）过滤低质量结果；摄像头模式下保持稳定，避免剧烈晃动。模型对近距离、正面视角的物体识别效果最佳。

需要浏览器授予摄像头访问权限。首次使用时会弹出权限请求。请确保使用 HTTPS 连接（localhost 除外），否则 getUserMedia API 将不可用。移动端建议使用后置摄像头获得更好的识别体验。

所有识别运算均在您的设备本地浏览器中完成，图片和视频流不会上传到任何服务器。COCO-SSD 模型完全在客户端运行，无需网络即可推理（模型加载后）。您可放心使用。