胡金辰　王雨晨　蒋江红　张锲石

摘要：目前，基于计算机视觉分析的目标检测技术已被广泛研究并应用在众多学科领域中。本文从卷积神经网络结构（CNN）演化的角度，对基于深度卷积网络的目标检测技术进行分析、比较和总结。首先简要介绍了基于CNN的目标检测技术流程；其次重点分析和比较了以CNN为基础的基于深度卷积网络模型的目标检测技术的发展，针对不同选择的预处理方法进行分类、纵向和横向对比；最后总结了目前研究中存在的问题，并对目标检测技术未来发展进行了展望。

关键词：目标检测；卷积神经网络；深度学习

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2018）04-0097-02

目标检测技术是通过目标特征提取、分割等技术来确定图像中目标物体具体位置的技术，随着目标检测技术的不断发展，其内涵和范畴也在不断丰富拓展。目前，针对目标检测技术的研究引起了持续而普遍的关注，已成为计算机视觉领域中的研究热点和难点。深度神经网络模型通过模拟人脑的视觉感知系统，从输入图片中提取边缘特征，并将边缘特征逐层向上抽象传递，以此获得更高级的特征。随着深度神经网络日趋火热，深度学习模型也被广泛应用于图像识别领域，如目标分割、识别和检测等问题。随着模型的改进和算法的发展，基于卷积神经网络（Convolutional Neural Network，CNN）的目标检测技术突破了传统算法的瓶颈，准确度和效率大幅提升，成为当前的主流算法。

1 基于卷积神经网络的目标检测系统技术流程