王潇天

（西安市航天中学，陕西西安，710100）

0 引言

目标检测（Object Detection）作为计算机视觉的重要应用，其主要目标是从给定的图像或者视频中定位感兴趣的目标并进行目标分类[1]，这就需要从图像中对目标进行特征提取从而进行目标分类，而且需要对目标进行边界框的提取。近年来，随着卷积神经网络、深度学习等方法的应用，目标检测在速度和精度上都有了较大的进步，并广泛的应用在安防、自动驾驶等领域。

图1 目标检测流程图

如图1所示，目标检测一般包括区域选择，特征提取和分类三大步骤。区域选择主要产生检测使用的边框，由于目标出现的随机性，最初采用滑动窗口的方式实现。特征提取则直接影响了分类的准确性，传统方法是使用人工的方式提取特征，但往往由于目标形态、环境、光照的多样性导致结果不够稳定从而影响最终的效果。在此理论基础上，传统的方法主要使用图像预处理、待评价滑动窗口、目标特征提取、目标分类等。这些方法其研究的核心是基于机器学习的方法，主要关注特征工程的提取方面。

随着深度学习的发展，相比于人工设计的特征，通过模型自动提取和学习的特征可以更好的表达图像中的目标。而且在传统的方法中，手动提取的特征泛化能力较弱，不能很好的适应大规模的目标检测任务。随着深层次的卷积神经网络的广泛应用，通过多层级的卷积核，实现由低层次抽象到高层抽象的组合，从而将图像的特征进行更精确的提取。……