祁世风 蒋 勇 高 琳 廖小华

（西南科技大学计算机科学与技术学院 四川绵阳 621010）

目标检测在输入图像中找出感兴趣目标，并确定其位置和类别。目前，目标检测广泛应用于自动驾驶、智能视频监控、医疗辅助诊断等领域中，已经成为计算机视觉领域的一个研究热点［1－3］。

目标尺度变化问题是目标检测亟待解决的关键问题之一［4－5］。为检测不同尺度的目标，目前存在两种基本方法：（1）使用图像金字塔［6］。首先对原图像进行不同尺度的缩放以构成图像金字塔，然后将这些图像输入网络进行检测。这种方法虽然能取得不错的检测效果，但需要多次缩放图像，繁琐耗时，不利于实际应用。（2）利用卷积神经网络构建图像特征金字塔。Hong等［7］首先在图像上提取不同尺度的特征构成特征金字塔，然后将提取到的特征进行组合以完成对目标的预测。这种方法虽然能够充分提取到目标的位置信息，但由于搭建特征金字塔的过程中频繁使用下采样运算，使得细节信息丢失比较严重，影响检测结果。Liu等［8］在不同层次的特征图上预测不同尺度的目标，然后综合不同尺度上的检测结果得到最终检测结果。Lin等［9］从目标的上下文信息角度考虑，加强浅层特征和深层特征之间的信息融合，通过将高级语义特征与低级语义特征相结合，在不同尺度特征上生成了更多的语义特征，从而更好地完成目标检测任务。He等［10］提出了空间金字塔池化（spatial pyramid pooling），利用膨胀卷积有效地解决了卷积神经网络对图像重复提取特征的问题。……