我读过关于数据集不平衡如何严重影响分类结果的文章，但使用迁移学习方法（如SSD）进行目标检测，是否意味着我们不需要平衡数据集就能获得好的结果？

回答：

简短答案：不。但实际上，可能可以。

这两个概念是无关的。迁移学习的目标是在你没有训练数据或者无法/不愿从头开始学习时提供帮助。

真正的答案取决于许多因素：你的数据集有多不平衡（一点还是很多？），你使用的算法类型（是生成型的如贝叶斯，还是判别型的如SVM？），类别有多“可分”？可能还有更多其他因素。

使用贝叶斯分类器时，你通常可以调整类别的先验概率…

所以答案肯定会因你处理的问题而异…这个问题没有一个普遍的答案。