罗会兰，彭 珊，陈鸿坤

江西理工大学 信息工程学院，江西 赣州341000

目标检测作为计算机视觉的基础任务之一，需要对物体进行分类，并预测其所在位置。目标检测广泛应用于人脸检测、航空图像检测、视频监控及自动驾驶等领域。随着深度卷积神经网络在目标检测[1]领域的应用，当前目标检测算法相较于传统方法已经取得了相当不错的效果，但是在一些特殊的检测问题上，其检测精度仍然不能满足应用需求，目标检测研究仍然存在大量的挑战和难题[2-6]。

传统的目标检测算法[7-8]主要有三个步骤：滑动窗口遍历整个图像产生候选框，提取候选框特征，使用支持向量机（Support Vector Machine，SVM[9]）等分类器对候选框进行分类。传统方法存在时间复杂度高、冗余大和鲁棒性差等问题。随着卷积神经网络的应用，这些问题逐渐得到了解决。近年来，目标检测算法主要分为两大类：基于边框回归的一阶段网络和基于候选区域的两阶段网络。一阶段网络在产生候选框的同时进行分类和回归，如YOLO[10]系列和SSD[11]系列网络。而两阶段网络首先产生区域候选框，然后提取每个候选框的特征，产生最终的位置框并预测其类别，代表性网络有RCNN[12]、Fast R-CNN[13]和Faster R-CNN[14]。

在目标检测研究的综述[15]方面，Chahal等人[16]主要探讨了一阶段和两阶段各种检测算法、质量指标、速度/精度权衡和训练方法。Wu等人[17]系统地分析了现有的对象检测框架，对检测组件、学习策略以及应用部分进行论述，详细讨论了检测器架构、特征学习、候选框生成、采样策略等影响检测性能的因素。……